从零进阶！数据分析的统计基础（第2版）CDA数据分析师系列丛书 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

经管之家 著

图书标签:

• 数据分析
• 统计学
• CDA
• 数据分析师
• 统计基础
• 进阶
• 零基础
• 学习
• 教材
• 第二版

店铺： 旷氏文豪图书专营店

出版社： 电子工业出版社

ISBN：9787121285004

商品编码：10357737895

开本：16开

出版时间：2016-05-01

页数：1

字数：1

基本信息

书名:从零进阶！数据分析的统计基础(第2版)

**：59.00元

作者:经管之家 编

出版社：电子工业出版社

出版日期：2016-05-01

ISBN：9787121285004

字数：

页码：256

版次：1

装帧：平装

开本：16

商品重量：

编辑推荐

---

“CDA数据分析师系列丛书”依照数据分析师规范化学习体系而定。满足了CDA数据分析师等级认证学习的需要，也兼顾了大数据的热点动态。

从策划之初一直坚持以“读者需求”为主线，结合企业实际案例和业务场景来谈大数据思维和小数据分析。实现技术扎实，业务精通，策略接地气！

目录

---

第1 章数据分析概述 1

1.1 什么是数据分析 2

1.2 数据分析六部曲 2

1.2.1 明确分析目的和内容 2

1.2.2 数据收集 . 3

1.2.3 数据预处理 . 3

1.2.4 数据分析 . 4

1.2.5 数据展现 . 5

1.2.6 报告撰写 . 6

1.3 数据分析方法简介 6

1.3.1 单纯的数据加工方法 6

1.3.2 基于数理统计的数据分析方法 7

1.3.3 基于数据挖掘的数据分析方法 8

1.3.4 基于大数据的数据分析方法 11

1.3.5 数理统计与数据挖掘的区别和联系 13

1.4 常用数据分析工具的安装 14

1.4.1 在Excel 2013 中安装数据分析工具 14

1.4.2 数据分析软件SPSS 的安装 . 16

1.5 重要知识点回顾 22

1.6 课后习题 . 23

第2 章描述性统计分析 24

2.1 直方图 . 25

2.1.1 什么是直方图 25

2.1.2 如何看直方图 25

2.1.3 如何画直方图 26

2.1.4 使用Excel 2013 进行直方图的绘制 27

2.2 数据的计量尺度 30

2.3 数据的集中趋势 31

2.3.1 平均数 . 31

2.3.2 分位数 . 33

2.3.3 众数 . 34

2.4 数据的离中趋势 34

2.4.1 极差 . 35

2.4.2 分位距 . 35

2.4.3 平均差 . 36

2.4.4 方差与标准差 37

2.4.5 离散系数 . 38

2.5 数据分布的测定 40

2.5.1 数据偏态及其测定 40

2.5.2 数据峰度及其测定 41

2.5.3 数据偏度和峰度的作用 42

2.6 数据的展示——统计图 43

2.6.1 条形图与扇形图 43

2.6.2 折线图 . 44

2.6.3 茎叶图 . 45

2.6.4 箱线图 . 48

2.6.5 统计图小结 . 52

2.7 使用Excel 实现数据的描述性统计及分析 . 52

2.7.1 使用Excel 实现三国全部人物武力描述性统计 . 52

2.7.2 使用Excel 分别实现三个国家人物武力描述性统计分析 . 54

2.7.3 使用Excel 分别实现三个国家武将武力描述性统计分析 . 55

2.7.4 使用SPSS 实现三个国家武将武力的分位数分析 . 56

2.8 重要知识点回顾 59

2.9 课后习题 . 59

第3 章数理统计基础 62

3.1 抽样估计基础 63

3.1.1 随机事件 . 63

3.1.2 随机事件的概率 64

3.1.3 随机变量及其概率分布 66

3.1.4 随机变量的数字特征 71

3.2 正态分布及分布 72

3.2.1 正态分布的概率密度函数 73

3.2.2 正态分布的特征 73

3.2.3 标准正态分布 74

3.2.4 基于正态分布的分布 77

3.3 中心极限定理 80

3.3.1 中心极限定理的提法 80

3.3.2 中心极限定理的内容 81

3.3.3 中心极限定理的意义与应用 81

3.4 重要知识点回顾 82

3.5 课后习题 . 83

第4 章抽样估计 . 86

4.1 抽样估计的基本概念 87

4.1.1 总体及总体指标 87

4.1.2 样本及样本指标 88

4.1.3 抽样估计的思想 89

4.1.4 抽样估计的理论基础 91

4.1.5 样本统计量及分布 92

4.2 抽样估计的方法——点估计 93

4.2.1 点估计 . 93

4.2.2 点估计精度和样本容量的关系 95

4.2.3 点估计的优缺点 96

4.3 抽样估计的误差 97

4.3.1 抽样估计的实际误差 97

4.3.2 抽样估计的平均误差 98

4.3.3 抽样估计的极限误差 102

4.4 抽样估计的方法——区间估计 102

4.4.1 抽样估计的精度及置信度 102

4.4.2 区间估计的方法 105

4.4.3 区间估计的步骤 106

4.5 抽样的组织形式和抽样数目的确定 107

4.5.1 抽样的组织形式 107

4.5.2 必要抽样数目的确定 109

4.6 重要知识点回顾 112

4.7 课后习题 113

第5 章假设检验 . 117

5.1 假设检验概述 118

5.1.1 假设检验的概念 118

5.1.2 假设检验的基本思想 118

5.1.3 假设检验在数据分析中的作用 119

5.2 假设检验的分析方法 119

5.2.1 假设检验的基本步骤 119

5.2.2 假设检验与区间估计的联系 122

5.2.3 假设检验中的两类错误 123

5.2.4 利用P 值进行决策 124

5.2.5 应用假设检验需要注意的问题 125

5.3 常见的检验统计量 126

5.3.1 z 检验统计量 126

5.3.2 t 检验统计量 128

5.3.3 ?2 检验统计量 129

5.3.4 F 检验统计量 . 129

5.4 SPSS 中常用的几种t 检验实例 . 130

5.4.1 单样本t 检验 . 130

5.4.2 两独立样本t 检验 . 133

5.4.3 配对样本t 检验 . 139

5.5 重要知识点回顾 143

5.6 课后习题 143

第6 章方差分析 . 147

6.1 方差分析 148

6.1.1 方差分析的概述 148

6.1.2 方差分析的几个概念 148

6.1.3 单因素方差分析中的基本假定 149

6.2 单因素方差分析 149

6.2.1 单因素方差分析的原理 149

6.2.2 单因素方差分析的原假设 150

6.2.3 单因素方差分析的统计量 151

6.2.4 单因素方差分析的基本步骤 152

6.3 使用SPSS 实现三国武将武力差异分析 . 152

6.3.1 检验不同国家武将数据是否符合正态分布 153

6.3.2 单因素方差分析操作步骤及必要说明 155

6.3.3 对三国武将武力单因素方差分析结果的分析 160

6.4 使用SPSS 实现三国文官智力差异分析 . 163

6.4.1 检验不同国家文官数据是否符合正态分布 163

6.4.2 单因素方差分析操作步骤及必要说明 165

6.4.3 对三国文官智力单因素方差分析结果的分析 167

6.5 数说汉室衰微与三足鼎立现象 169

6.6 重要知识点回顾 171

6.7 课后习题 171

第7 章相关与回归分析 175

7.1 变量间的关系 176

7.1.1 函数关系及特点 176

7.1.2 相关关系及特点 176

7.2 相关分析 177

7.2.1 相关分析及步骤 177

7.2.2 散点图的绘制 177

7.2.3 相关系数的计算 178

7.2.4 相关系数的显著性检验 182

7.3 使用SPSS 实现相关分析 . 182

7.3.1 在SPSS 中绘制散点图 . 182

7.3.2 在SPSS 中进行正态性检验 . 185

7.3.3 相关系数的计算和检验 187

7.4 一元线性回归分析 189

7.4.1 一元回归模型及相关假定 190

7.4.2 一元线性回归方程及求法 190

7.4.3 回归模型的检验 191

7.4.4 回归直线的拟合优度 194

7.5 使用SPSS 实现一元线性回归分析 . 195

7.5.1 画散点图和趋势线 195

7.5.2 简单相关分析 198

7.5.3 一元线性回归分析的操作步骤 199

7.5.4 一元线性回归分析的结果解读 205

7.6 重要知识点回顾 207

7.7 课后习题 208

附录A 三国人物数据 . 213

附录B CDA 数据分析师致力于的数据分析人才建设 . 226

附录C 参考答案 . 230

内容提要

---

《从零进阶！数据分析的统计基础（第2 版）》共7 章，分别讲解了数据分析的步骤和方法、描述性统计分析、数理统计基础、抽样估计、假设检验、方差分析、相关与回归分析。本书使用简单的语言介绍了这些数据分析基本方法的核心思想和涉及的统计学、概率论等方面的理论内容，并使用图示的方法详细介绍了使用Excel 2013 进行简单的描述性统计分析和使用SPSS 进行相关的数据分析的过程与结果分析。

《从零进阶！数据分析的统计基础（第2 版）》适合需要提升自身数据分析理论和实践能力的职场新人；在市场营销、金融、财务、人力资源管理中需要数据分析的人士，从事咨询、研究、分析等的**人士。也可以作为数据分析师职业培训的教材，普通高等院校统计**数据分析的选修教材。

文摘

---

单纯的数据加工方法

这种数据分析方法侧重于数据的加工和预处理，使用的工具一般是SQL 和Excel，这是现在市场上大部分企业所使用的数据分析工具，有的公干脆就仅使用Excel。该种方法一般是从企业的管理信息数据库系统或数据仓库中，对相关数据进行提取、加工、衍生处理和生成各种业务报表。在经济生活中，经常看到关于同比发展速度、环比发展速度、今年比去年净增加了多少等新闻报道，这些统计数据计算起来比较简单，理论难度很低。这种方法典型的代表就是描述性统计分析和相关分析。

1．描述性统计分析

描述性统计分析是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间的关系进行估计和描述的方法。通俗地讲，描述性统计就是当数据分析师需要分析一个数时，他仅需要用八个数就把这一个数说清楚了，这样进行决策管理时才不用再看一个数，而只看这八个数就能解决问题。描述性数据分析的关键就是要看明白这八个数，能解释清楚其背后的含义。描述性统计分析分为集中趋势分析、离中趋势分析和数据分布分析部分。

集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的集中趋势，例如测试班级的平均成绩是多少。离中趋势分析主要靠全距、四分位距、方差、标准差等统计指标来研究数据的离中趋势。例如，当我们想知道两个教学班的语文成绩哪个班级的成绩分布更分散时，就可以用两个班级的方差来比较。数据分布分析是指和正态分布相比，所得数据的直方图从形态上看是左偏的还是右偏的，从峰度上看是尖峰的还是扁平的，这些内容会在第2 章详细介绍。

2．相关分析

相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象进行相关方向及相关程度的研究。这种关系既括两个数据之间的单一相关关系一一例如年龄与个人领域空间之间的关系，也括多个数据之间的多重相关关系一一例如年龄、抑郁症发生率和个人领域空间之间的关系；既可以是A 大B 就大（小），A 小B 就小（大）的直线相关关系，也可以是复杂相关关系；既可以是A、B 变量同时增大的正相关关系，也可以是A 变量增大时B 变量减小的负相关关系，还括两变量共同变化的紧密程度一一相关系数。

基于数理统计的数据分析方法

数理统计的理论基础比较复杂，也就是概率论和高等数学中的微积分。当然这里的微积分只是简单的一元函数积分，即根据概率论和微积分引出数据的分布，从数据的分布出发，进行数据的抽样推断和假设检验，由此引出方差分析、回归分析、因子分析等基于数理统计的数据分析方法。此种分析方法一般使用SPSS Statistics、SAS EG 等分析工具就可以实现。

1．方差分析

方差分析（Analysis of Variance， ANOVA）又称“变异数分析”、“F 检验”，它是R.A.Fisher 发明的分析方法，用于两个及两个以上样本均数差别的显著性检验。由于受各种因素的影响，方差分析研究所得的数据呈现波动状。造成波动的因素可分成两类，一类是不可控的随机因素，另一类是研究中施加的对结果形成影响的可控因素。方差分析是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量。

2．回归分析

回归分析（Regression）是确定两个或两个以上变量之间相互依赖的定量关系的一种统计分析方法，它主要研究一个随机变量Y 对另一个变量（X）或一组（X1，X2，…，Xk）变量的相依关系，回归分析按照涉及的自变量的数量，可分为一元回归分析和多元回归分析。按照自变量和因变量之间的关系类型，可分为线性回归分析和线性回归分析。此处所讲的回归分析是指一元线性回归，区别于数据挖掘方法里的多元线性回归和逻辑斯蒂回归。

3．因子分析

因子分析（Factor Analysis）是指研究从变量群中提取共性因子的统计技术。因子分析就是从大量的数据中寻找内在的联系，减轻决策困难的分析方法。因子分析的方法有十多种，例如重心法、影像分析法、似然解法、小平方法、阿尔法抽因法、拉奥典型抽因法等。这些方法在本质上大都属于近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性估值。在社会经济统计研究中，因子分析常以主成分分析为基础。

作者介绍

---

经管之家（www.jg.com.cn）：原人大经济论坛，于2003年成立，致力于推动经管学科的进步，传播教育资源，目前已经发展成为国内的经济、管理、金融、统计类的在线教育和咨询网站，也是国内活跃和具影响力的经管类网络社区。

经管之家从2006年起在国内开展数据分析培训，累计培训学员数人。在大数据的趋势背景下，创新“CDA数据分析师”品牌，致力于为社会各界数据分析爱好者提供**、科学、系统的数据分析教育。截至2016年3月已成功举办40多期系统培训，培训学员达3余名；CDA认证考试已成功举办三届，报考人数上人；中国数据分析师俱乐部（CDA CLUB），每周线下**沙龙活动，已举力40多期，累积会员2余名；中国数据分析师行业峰会（CDA Summit），一年两届，参会人数皆达2余名，在大数据领域影响力**前。“CDA数据分析师”队伍在业界不断壮大，对数据分析人才产业起到了巨大的推动作用。

曹正凤，统计学博士，经管之家（原人大经济论坛）大数据中心总工程师，经管之家（原人大经济论坛）CDA大数据分析师培训负责人，北京博宇通达科技有限公技术总监。致力于大数据分析前沿领域研究，主持人大经济论坛基于Hadoop架构的论坛主题推荐系统项目，参与国家社科基金项目《基于大数据整合的空气质量测度方法研究》，发表多篇论文，且发表的EI核心收录论文受到多次检索。

数据洞察的基石：透视概率与统计在商业决策中的强大力量 在信息爆炸的时代，如何从海量数据中挖掘出有价值的洞察，并将其转化为驱动业务增长的切实行动，已成为企业生存与发展的关键。数据分析不再是少数专业人士的专属技能，而是渗透到营销、产品、运营、金融等各个领域的通用语言。然而，数据分析的深层力量并非仅仅停留在报表和图表的堆砌，其真正内核在于对数据背后规律的深刻理解，而这一切的根源，都可追溯至概率论与数理统计的精妙理论。 本书并非直接教授数据分析的具体操作步骤或工具使用，而是致力于为读者构建一个坚实而全面的概率与统计理论框架。我们深信，只有掌握了这些基础知识，才能真正理解数据分析方法的原理，辨别其适用性，甚至创新性地解决复杂问题。本书将带领您深入探索概率论的基本概念，理解随机事件发生的可能性及其度量方式，掌握离散型与连续型随机变量的分布特性，以及多维随机变量的联合概率与条件概率。我们将逐一剖析二项分布、泊同分布、指数分布、正态分布等核心概率分布，阐释它们在不同场景下的应用，例如，为何在计算罕见事件发生概率时，泊同分布能提供优雅的解决方案；又如何通过正态分布的强大性质，理解自然界和许多商业现象的普遍规律。 在概率论的基石之上，本书将逐步引入数理统计的核心内容。我们将从数据描述性统计出发，学会如何运用均值、中位数、众数、方差、标准差、四分位数等统计量，清晰、准确地概括数据的整体特征和离散程度。更重要的是，我们将深入讲解统计推断的奥秘，包括参数估计与假设检验。您将了解如何利用样本数据来推断总体参数，例如，通过样本均值来估计整体用户的平均消费水平，并学会构建置信区间，为推断结果提供量化的不确定性度量。 本书的重点将放在假设检验的逻辑与实践。我们将详细阐述零假设与备择假设的设定，理解P值的含义及其在拒绝或接受零假设中的作用。您将学习到t检验、卡方检验、F检验等经典假设检验方法，并理解它们各自适用的数据类型和研究场景。例如，如何利用t检验来比较不同营销活动对销售额的影响是否存在显著差异；又如何通过卡方检验来分析不同用户群体对产品功能的偏好是否独立。 此外，本书还将触及回归分析的基础概念。虽然不会深入到复杂的模型构建，但我们会阐明线性回归的基本思想，理解自变量与因变量之间的线性关系，以及回归系数的统计意义。这将为读者理解更为高级的预测模型打下基础，理解为何通过分析历史销售数据，可以预测未来的销售趋势。 本书的价值在于，它将帮助您： 1. 建立严谨的逻辑思维： 概率与统计的学习过程，本身就是一种严谨逻辑训练。您将学会如何清晰地界定问题，如何进行合理的假设，如何依据数据证据做出判断，从而避免凭空猜测或主观臆断。 2. 深度理解数据分析方法的“为什么”： 许多数据分析工具和模型，其背后都蕴含着深厚的统计学原理。掌握了这些原理，您就能知其然，更知其所以然，从而更好地选择和运用工具，理解模型的局限性，并根据实际情况进行调整。 3. 提升数据解读的准确性： 统计学提供了量化不确定性的方法。您将不再仅仅看到一个数字，而是能够理解这个数字的可靠性，例如，一个95%的置信区间，意味着我们有95%的可能性，真实的总体参数落在这个区间内。这种严谨性对于做出重要的商业决策至关重要。 4. 培养批判性思维与风险意识： 任何数据分析结果都带有一定的不确定性。本书将帮助您认识到这种不确定性，从而在解读和应用数据分析结果时，保持审慎和批判的态度，避免过度自信或盲目相信。 5. 为进阶学习打下坚实基础： 无论是机器学习、深度学习，还是更复杂的数据挖掘技术，都离不开概率与统计的支撑。本书将为您铺平道路，让您在未来学习更高级的分析技术时，能够得心应手。 本书的读者对象广泛，包括： 初入数据分析领域的学习者： 想要系统构建扎实理论基础，避免“知其然不知其所以然”的学习者。 希望提升分析能力的业务人员： 营销人员、产品经理、运营专员、金融分析师等，希望通过更科学的数据分析方法，提升工作效率和决策质量。 对数据背后的逻辑感兴趣的读者： 任何希望理解统计学如何解释世界、如何驱动决策的求知者。 我们相信，通过本书的学习，您将不仅仅是学会了“如何做”数据分析，更重要的是，您将真正“理解”数据分析的底层逻辑。您将能够更自信地面对数据，更敏锐地捕捉趋势，更精准地做出判断，从而在日益激烈的数据驱动的商业环境中，占据先机，实现真正的价值飞跃。让我们一起，从概率与统计的坚实基石出发，开启数据洞察的无限可能。

评分☆☆☆☆☆

我是一名经验丰富的项目经理，在工作中经常需要处理大量的项目数据，以便做出更明智的决策。虽然我不是专业的数据分析师，但我深知数据的重要性，也意识到缺乏扎实的统计学基础是我的一个短板。《从零进阶！数据分析的统计基础（第2版）》这本书的标题“从零进阶”让我觉得非常适合我这样的“半路出家”的人。我希望这本书能够帮助我快速理解数据分析的核心概念，并且能够将这些概念应用到我的项目管理工作中。我尤其感兴趣的是书中是否会介绍一些能够帮助我评估项目风险、优化资源配置、预测项目进度的统计方法。我希望通过阅读这本书，能够提高我对项目数据的解读能力，更准确地识别项目中的关键问题，并提出有数据支持的解决方案。这本书作为CDA数据分析师系列丛书的一部分，我想它应该具备一定的专业性和严谨性，相信它能够为我的工作提供有力的支持。

评分☆☆☆☆☆

这本书的封面设计挺吸引人的，尤其是那个“从零进阶”的字样，让我这个对数据分析一窍不通的“小白”看到了希望。我本身是做市场营销工作的，平时接触一些销售数据、用户行为数据，总觉得这些数据背后隐藏着很多规律，但一直苦于没有系统的方法去挖掘。听同事说现在数据分析师很吃香，我也想提升一下自己的技能，所以就毫不犹豫地入手了这本书。拿到书后，我首先翻阅了目录，发现它从最基础的概念讲起，比如什么是数据、数据的类型、统计学的基本原理等等，这让我很安心，感觉真的能从“零”开始。而且它还提到了CDA数据分析师系列丛书，这个认证听起来挺权威的，也增加了我对这本书内容的信心。我最期待的是它能帮助我理解那些复杂的统计模型，比如回归分析、假设检验这些，希望它能用通俗易懂的语言来解释，而不是枯燥的数学公式。我计划每天花一个小时来阅读和实践，希望能把书里的知识融会贯通，真正做到学以致用，为我的工作带来实质性的提升。

评分☆☆☆☆☆

我是一名在校的统计学专业学生，即将步入大三，需要为未来的实习和就业做准备。一直关注着数据分析领域的动态，也知道统计学基础的重要性。这本书《从零进阶！数据分析的统计基础（第2版）》恰好弥补了我目前学习中的一些短板。虽然课程中有涉及统计学，但感觉更偏重理论，对于如何将其应用到实际的数据分析场景中，我还有些模糊。这本书的名字里有“进阶”和“数据分析”，让我觉得它能够提供更贴近行业需求的视角。我比较好奇的是，书中对于一些高级统计概念的处理方式，比如多重线性回归、方差分析等等，是否会提供更直观的解释和更实用的操作指南。另外，作为CDA数据分析师系列丛书的一部分，我期待它能够提供一些备考CDA认证的思路和方向，或者至少能帮助我打下扎实的统计学基础，为未来的认证考试做好准备。我希望这本书能够帮助我将课堂上的理论知识转化为解决实际问题的能力，在求职市场上更有竞争力。

评分☆☆☆☆☆

作为一名对新技术充满好奇心，但又有些畏难情绪的职场新人，我一直想学习数据分析。市面上的数据分析书籍很多，但我总是被那些复杂的公式和概念吓退。《从零进阶！数据分析的统计基础（第2版）》这本书，看到“从零进阶”几个字，就像吃了一颗定心丸。我比较担心的是，这本书的“统计基础”部分会不会过于理论化，会不会有很多晦涩难懂的数学推导。我更希望它能用一种循序渐进、通俗易懂的方式来讲解，并且能够通过实际的案例来展示统计知识是如何在数据分析中发挥作用的。例如，在分析用户行为、市场趋势等方面，统计学能够提供哪些有用的工具和方法。这本书是CDA数据分析师系列丛书，我希望它能够为我打开数据分析的大门，让我能够真正理解数据，并尝试用数据来解决一些工作中的小问题，为我今后的职业发展打下坚实的基础。

评分☆☆☆☆☆

作为一名刚入行的数据分析师，我一直在寻找一本能够系统梳理统计学知识的书籍，毕竟统计学是数据分析的基石。《从零进阶！数据分析的统计基础（第2版）》这本书的标题就很直接地击中了我的需求。我了解到这本书是CDA数据分析师系列丛书之一，这让我对它的专业性和实用性有了更高的期待。翻开书，我最看重的是它对于统计学概念的讲解是否清晰透彻，是否能帮助我理解那些在实际工作中经常遇到的统计方法。比如，我希望它能详细解释如何选择合适的统计检验方法，以及如何解读检验结果。此外，书中是否提供了丰富的案例，能够将理论知识与实际应用相结合，这一点对我来说非常重要。我希望通过阅读这本书，能够对概率论、描述性统计、推断性统计等核心内容有更深入的理解，并且能够运用这些知识来解决实际的数据分析问题，提升分析的准确性和深度。毕竟，数据分析师的核心竞争力就在于能够从数据中挖掘有价值的信息，而统计学正是实现这一目标的关键工具。