生物统计与试验设计 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

徐辰武，章元明 编

图书标签:

• 生物统计
• 试验设计
• 统计学
• 生物学
• 数据分析
• 研究方法
• 科学研究
• 实验规划
• 统计推断
• R语言

出版社： 高等教育出版社

ISBN：9787040420630

版次：1

商品编码：11779756

包装：平装

丛书名： 高等农林院校基础课程系列

开本：16开

出版时间：2015-08-01

用纸：胶版纸

页数：262

字数：460000

正文语种：中文

内容简介

　　《生物统计与试验设计》系统地介绍了生物统计与试验设计的原理和方法。全书共分9章，在扼要介绍生物统计学发展简史和主要功能的基础上，着重讨论了描述性统计、概率和理论分布、抽样分布、统计推断、方差分析、常用试验设计及其方差分析、一元和多元线性回归与相关分析。
　　《生物统计与试验设计》密切联系生物和农业试验实际，内容安排力求由浅入深、循序渐进。
　　《生物统计与试验设计》可作为高等院校生命科学类、植物生产类和动物生产类相关专业本科生教材使用。

目录

1 生物统计学概论
1.1 生物统计学发展简史
1.2 生物统计学的主要功用
1.3 本书知识导图

2 描述性统计
2.1 变量与次数分布
2.1.1 变量
2.1.2 次数分布
2.2 次数分布表
2.2.1 间断性变量次数分布表
2.2.2 连续性变量次数分布表
2.3 次数分布图
2.3.1 间断性变量次数分布图
2.3.2 连续性变量次数分布图
2.3.3 频率和累积频率分布图
2.4 集中性度量统计量
2.4.1 算术平均数
2.4.2 几何平均数
2.4.3 调和平均数
2.4.4 中位数
2.4.5 众数
2.5 离散性度量统计量
2.5.1 极差
2.5.2 分位数
2.5.3 方差
2.5.4 标准差
2.5.5 变异系数
2.6 分布偏度和峰度度量统计量
2.6.1 偏度系数
2.6.2 峰度系数
习题

3 概率和理论分布
3.1 事件与概率
3.1.1 事件和概率的定义
3.1.2 事件的相互关系
3.1.3 计算事件发生概率的法则
3.2 二项分布
3.2.1 二项总体
3.2.2 二项分布
3.2.3 二项成数（百分数）分布
3.3 多项分布
3.4 泊松分布
3.5 正态分布
3.5.1 正态分布及其性质
3.5.2 利用正态分布计算概率的方法
3.6 二项分布的正态近似
习题

4 抽样分布
4.1 随机抽样和无偏估计
4.1.1 总体和样本
4.1.2 随机抽样
4.1.3 无偏估计
4.2 样本平均数的分布
4.2.1 正态总体样本平均数的分布
4.2.2 中心极限定理
4.2.3 样本平均数分布的概率计算
4.3 样本平均数差数的分布
4.3.1 样本平均数差数分布的理论推导
4.3.2 样本平均数差数分布的概率计算
4.4 t分布
4.4.1 t分布的特点及应用
4.4.2 t分布概率计算
4.5 X2分布
4.5.1 X2分布的特点及应用
4.5.2 X2分布概率计算
4.6 F分布
4.6.1 F分布的特点及应用
4.6.2 F分布概率计算
习题

5 统计推断
5.1 统计假设测验
5.1.1 统计假设测验的基本步骤
5.1.2 假设测验的两类错误
5.1.3 一尾测验和两尾测验
5.2 平均数的假设测验
5.2.1 单个平均数的假设测验
5.2.2 两个平均数成组比较的假设测验
5.2.3 两个平均数成对比较的假设测验
5.3 方差的假设测验
5.3.1 单个方差的假设测验
5.3.2 两个方差的假设测验
5.3.3 多个方差的假设测验
5.4 成数的假设测验
5.4.1 单个成数的假设测验
5.4.2 两个成数的假设测验
5.5 X2测验
5.5.1 X2测验的原理和方法
5.5.2 适合性测验
5.5.3 齐性测验
5.5.4 独立性测验
5.6 参数估计
5.6.1 参数点估计与区间估计的原理
5.6.2 参数的点估计与区间估计
5.6.3 假设测验与区间估计的关系
5.7 样本容量的确定
5.7.1 样本容量估计的意义
5.7.2 几个常用样本容量估计
习题

6 方差分析
6.1 方差分析的基本原理
6.1.1 数学模型
6.1.2 平方和与自由度的分解
6.1.3 F测验
6.1.4 多重比较
6.2 单向分组资料的方差分析
6.2.1 组内观测次数相等的方差分析
6.2.2 组内观测次数不相等的方差分析
6.3 双向分组资料的方差分析
6.3.1 无重复观测值双向分组资料的方差分析
6.3.2 有重复观测值双向分组资料的方差分析
6.4 系统分组资料的方差分析
6.4.1 二级系统分组资料的方差分析
6.4.2 应用实例
6.5 变量转换
6.5.1 方差分析的基本假定
6.5.2 常用变量转换方法
习题

7 常用试验设计及其方差分析
7.1 试验设计概述
7.1.1 因素、水平和处理
7.1.2 效应与计算
7.1.3 试验误差
7.1.4 试验设计的基本原则
7.1.5 试验设计的小区技术
7.2 常用试验设计方法
7.2.1 完全随机化试验
7.2.2 随机区组试验
7.2.3 拉丁方试验
7.2.4 裂区试验
7.2.5 正交试验
7.3 完全随机试验设计的方差分析
7.3.1 单因素完全随机试验结果的方差分析
7.3.2 两因素完全随机试验结果的方差分析
7.4 随机区组试验设计的方差分析
7.4.1 单因素随机区组试验结果的方差分析
7.4.2 两因素随机区组试验结果的方差分析
7.5 拉丁方试验设计的方差分析
7.5.1 数据模式
7.5.2 变异分解
7.5.3 应用实例
7.6 裂区试验设计的方差分析
7.6.1 数据模式
7.6.2 变异分解
7.6.3 应用实例
7.7 正交试验设计的方差分析
7.7.1 数据模式
7.7.2 变异分解
7.7.3 应用实例
7.8 缺值估计
7.8.1 缺值估计原理
7.8.2 缺值估计实例
习题

8 一元线性回归和相关分析
8.1 线性回归和线性相关的概念
8.1.1 变量间的函数关系与统计关系
8.1.2 散点图
8.1.3 自变量与依变量
8.1.4 回归分析和相关分析
8.2 线性回归方程和离回归标准误
8.2.1 线性回归方程及其参数估计
8.2.2 线性回归中的变异分解与离回归标准误
8.3 线性回归方程的假设测验
8.3.1 单个线性回归方程的假设测验
8.3.2 两个线性回归方程的假设测验
8.4 线性回归的区间估计
8.4.1 回归截距和回归系数的置信区间
8.4.2 条件总体平均数μY1X的置信区间
8.4.3 条件总体中个体观测值y（p）的预测区间
8.4.4 条件总体平均数及单个观测值预测区间的图示
8.5 线性相关分析
8.5.1 相关系数和决定系数
8.5.2 相关系数的假设测验
8.5.3 两个相关系数的假设测验
8.5.4 相关系数的区间估计
8.6 线性回归和相关的内在关系及应用注意事项
8.6.1 线性回归和相关的内在关系
8.6.2 线性回归和相关分析的注意事项
习题

9 多元线性回归和相关分析
9.1 多元线性回归分析
9.1.1 多元线性回归模型
9.1.2 多元线性回归方程的求解和离回归标准误的计算
9.1.3 多元线性回归的假设测验
9.1.4 自变量的统计选择与相对重要性
9.2 多元线性相关分析
9.2.1 多元相关分析
9.2.2 偏相关分析
习题

主要参考文献
附表1 标准正态分布累积函数表
附表2 标准正态分布的双侧百分位数μα/2值表
附表3 t分布两尾临界值tα/2，df表
附表4 F分布右尾临界值Fα，df1，df2表
附表5 多重比较的qa值表
附表6 多重比较的SSRα值表
附表7 X2分布右尾临界值X2α，df表
附表8 γ与R临界值表
附表9 常用正交表

《生物统计与试验设计》的简介 这是一部深入探索生物学研究中数据分析方法与试验构建原则的学术专著。本书旨在为生物学、医学、农学、环境科学等相关领域的科研人员、研究生以及对定量研究方法感兴趣的学习者提供一套系统、实用、严谨的学习工具。它不仅讲解了统计学原理在生物学问题中的具体应用，更强调了如何通过科学的试验设计来最大化研究的有效性、可靠性和可重复性。 核心内容概览： 本书的内容体系围绕着生物统计学和试验设计这两个核心主题展开，力求在理论深度和实践应用之间取得平衡。 第一部分：生物统计学基础与核心技术 本部分将为读者打下坚实的生物统计学基础，涵盖从数据描述到统计推断的各个层面。 数据类型与描述性统计： 详细介绍生物学数据中常见的各种数据类型（如计量资料、计数资料、分类资料）及其特点。在此基础上，阐述如何运用均值、中位数、众数、方差、标准差、百分位数等描述性统计量来概括和呈现数据的基本特征。我们将通过生物学中的具体案例，例如植物生长的高度、动物的体重、基因表达的水平等，来演示这些统计量的计算和解释。此外，还将介绍可视化方法，如直方图、箱线图、散点图等，如何有效地展示数据分布和关系，帮助研究者直观理解数据。 概率论与统计分布： 深入浅出地讲解概率的基本概念、随机变量及其分布（离散型和连续型）。重点介绍在生物统计中至关重要的概率分布，如二项分布、泊松分布、正态分布、t分布、卡方分布、F分布等。我们将详细探讨正态分布在生物学现象中的普遍性，并解释其他分布如何适用于特定类型的生物数据，例如疾病发生率的泊松分布、样本均值分布的t分布等。理解这些分布是进行后续统计推断的基石。 参数估计与假设检验： 介绍点估计和区间估计的概念，以及如何使用样本数据来估计总体参数（如均值、比例）。在此基础上，本书将系统讲解假设检验的基本原理和流程，包括零假设（H0）和备择假设（H1）的设定、检验统计量的选择、P值的计算与解释、以及犯第一类错误（α）和第二类错误（β）的风险控制。我们将通过大量的生物医学例子，如比较两种药物疗效的t检验、分析不同处理组间差异的ANOVA、检验两个分类变量之间关联性的卡方检验等，来详细演示不同检验方法的适用条件、计算步骤和结果解读。 常用统计分析方法详解： 这一部分是本书的重中之重，将详细介绍在生物学研究中应用最广泛的统计方法。 t检验系列： 包括单样本t检验、配对样本t检验和独立样本t检验，以及其非参数检验的对应方法（如Wilcoxon秩和检验）。我们将演示如何在比较两个不同处理组（如实验组与对照组）的某个生物指标时选择合适的t检验。 方差分析（ANOVA）： 涵盖单因素ANOVA、双因素ANOVA及其带有交互作用的情况。ANOVA是分析三个或以上组别均值差异的有力工具，例如比较不同育种策略对作物产量的影响，或者研究不同光照条件和不同肥料用量对植物生长的联合效应。 相关与回归分析： 介绍Pearson相关系数和Spearman秩相关系数，以及如何衡量两个生物变量之间的线性关系强度和方向。在此基础上，深入讲解线性回归模型，包括简单线性回归和多元线性回归。我们将通过实际案例，例如预测基因表达量与某个环境因子之间的关系，或者建立一个模型来预测疾病风险，来展示如何构建、评估和解释回归模型。 卡方检验： 重点介绍其在分析分类变量之间的关联性时的应用，例如分析某种遗传标记与疾病发生率是否相关。 非参数检验： 介绍Mann-Whitney U检验、Kruskal-Wallis H检验等，它们是当数据不满足参数检验的假设（如正态性）时的重要替代方案。 多重比较： 在进行多次统计检验时，如何控制整体的假阳性率（Type I error）是至关重要的问题。本书将介绍Bonferroni校正、Tukey's HSD等多种多重比较方法，并说明其适用场景。 第二部分：试验设计原理与方法 本部分将聚焦于如何科学地设计试验，以确保研究结果的有效性和可靠性。 试验设计的基本原则： 阐述随机化（Randomization）、重复（Replication）和局部控制（Local Control）这三大基本原则在生物试验中的重要性，并详细说明它们如何有助于减少偏倚、提高精度并实现结果的推广。我们将通过具体的生物学实验场景，如农作物种植试验、药物疗效评价试验等，来展示这些原则的具体实施。 常用试验设计类型： 完全随机设计（Completely Randomized Design, CRD）： 这是最基本也是最常用的设计，适用于各处理单元条件均一且相互独立的情况。本书将演示如何在这种设计下进行数据收集和分析。 随机区组设计（Randomized Complete Block Design, RCBD）： 当研究中存在一个或多个可能影响试验结果的“区组”因素时（如土壤肥力差异、动物的个体差异等），RCBD能够有效地控制区组间的变异，提高试验效率。我们将分析如何利用RCBD来优化资源配置和提高结果的精确性。 拉丁方设计（Latin Square Design, LSD）： 适用于同时控制两个区组因素的情况，例如在植物试验中同时控制行和列的差异。 裂区设计（Split-Plot Design）： 当试验中的某些处理难以在试验单元上大规模施加，或者需要施加不同精度的处理时，裂区设计是一种有效的选择，例如研究不同灌溉方式（大区）和不同施肥量（小区）对作物产量的影响。 析因设计（Factorial Design）： 这种设计允许同时研究两个或多个因素及其交互作用对响应变量的影响。我们将深入探讨主效应和交互效应的概念，并展示如何分析析因设计中的数据，例如研究温度和湿度对微生物生长速度的联合影响。 样本量估算： 合理的样本量是保证试验统计效度和可信度的关键。本书将介绍基于假设检验和置信区间的样本量估算方法，并提供不同情况下样本量计算的公式和指导，帮助研究者在研究设计阶段就确定所需的样本量。 试验数据的统计分析： 结合前面介绍的统计方法，本书将重点讲解如何根据不同的试验设计类型选择恰当的统计模型进行数据分析。例如，对于CRD，我们可能使用单因素ANOVA；对于RCBD，则需要使用带有区组效应的ANOVA模型；对于裂区设计，则需要使用相应的多因素ANOVA模型。 试验质量控制与误差分析： 讨论在试验过程中如何进行质量控制，包括数据记录规范、异常值处理、以及对试验误差来源的分析，从而提高试验的整体质量。 本书特色： 理论与实践相结合： 每一章节都通过大量的生物学、医学、农学等领域的实际案例来阐述统计原理和试验设计方法，使读者能够将理论知识应用于解决实际科研问题。 循序渐进，由浅入深： 从基础的统计概念和描述性方法开始，逐步深入到复杂的统计模型和高级试验设计，确保不同背景的读者都能理解和掌握。 强调统计思维： 不仅教授“如何做”，更强调“为何这样做”，培养读者批判性地思考数据和试验设计的能力。 数据分析软件应用指导（隐含）： 虽然不直接讲解具体软件操作，但书中所述的统计方法和分析流程，都与主流的统计分析软件（如R, SPSS, SAS等）的应用紧密结合，为读者使用软件进行实际分析提供清晰的思路。 严谨的学术风格： 语言准确，逻辑清晰，公式推导严谨，为读者提供可靠的学习依据。 适用读者： 本书是生物统计学、医学统计学、生物信息学、生态学、遗传学、农学、药学、公共卫生等领域的本科生、研究生、科研人员以及需要进行数据分析和试验设计的相关从业人员的理想参考书。通过学习本书，读者将能够更自信、更科学地进行生物学研究，产出高质量的科研成果。

评分☆☆☆☆☆

我是一名在职的科研人员，工作忙碌，时间宝贵。我一直在寻找一本能够帮助我快速提升生物统计和试验设计能力的参考书，而《生物统计与试验设计》恰恰满足了我的需求。它内容的深度和广度都恰到好处，既有理论深度，又有实践指导意义。我特别欣赏书中“举一反三”的教学模式，它通过一个核心案例，引申出相关的统计方法或设计原则，然后又会将这些方法和原则运用到其他不同的生物学研究领域。这种跨领域的讲解方式，让我能够看到不同学科之间的共通性，也为我解决自己研究中的实际问题提供了很多新的思路。我尤其喜欢书中关于“样本量估算”的部分，这对于很多科研项目来说都是一个非常关键的问题，书中给出了多种计算方法和实际操作建议，让我能够更科学地确定所需的样本量，避免了资源浪费或者研究结果缺乏统计效力的问题。

评分☆☆☆☆☆

我是一名学生，刚刚开始接触生物统计和试验设计这个领域。一开始，我被书中的内容吓到了，觉得它很专业，很难懂。但是，当我坚持读下去后，我发现这本书真的很有条理，也很容易理解。作者的语言很生动，不像其他教科书那样枯燥乏味。他用了很多生动的比喻和形象的例子，让我一下子就明白了那些抽象的概念。我记得有一个地方讲到“回归分析”，作者用了一个比喻，把变量之间的关系比作一个“寻宝图”，而回归方程就是那个“藏宝的钥匙”。这个比喻让我一下子就记住了回归分析的核心思想。而且，书中还提供了很多练习题，让我可以在学习完理论知识后，通过练习来巩固和加深理解。每次完成练习题，我都会有很大的成就感，也让我对这个学科越来越感兴趣。

评分☆☆☆☆☆

说实话，在接触这本书之前，我对“试验设计”这个概念的理解非常有限，总觉得它离我的日常研究工作很遥远。然而，《生物统计与试验设计》彻底改变了我的看法。它让我深刻认识到，一个好的试验设计是科学研究的基石，是保证研究结果可靠性的前提。书中对不同类型试验设计的分类、优缺点分析以及适用场景的讲解，都让我大开眼界。我尤其对书中关于“因果推断”的讨论印象深刻，它让我明白了如何通过精心的试验设计，才能更有效地排除其他干扰因素，从而得出令人信服的因果关系。例如，在讨论安慰剂对照试验时，书中不仅解释了其必要性，还详细阐述了如何进行盲法设计以避免观察者偏倚和受试者效应。这些细致入微的讲解，让我觉得这本书不仅仅是一本教材，更是一部关于如何进行科学探究的“武林秘籍”，教会我如何“以巧取胜”，用最科学的方法获得最真实的结果。

评分☆☆☆☆☆

这本书为我打开了一扇通往更深层次生物学理解的大门。在过去，我可能会满足于描述性的统计结果，例如平均值、标准差等等。然而，《生物统计与试验设计》让我看到了数据背后更深层的含义，它教会我如何去探索变量之间的关联，如何去检验假设，如何去建立模型来预测未来的趋势。书中对于“多重比较”的讲解，就让我认识到，在进行多个统计检验时，需要采取特殊的校正方法来控制第一类错误的发生概率，否则很容易得出错误的结论。这让我对“统计显著性”有了更深刻的认识，不再盲目地追求p值小于0.05，而是会更全面地考虑各种统计指标和实际情况。这本书不仅仅是在传授知识，更是在培养一种科学的思维方式，让我能够以更批判、更严谨的态度去审视和分析生物学数据。

评分☆☆☆☆☆

《生物统计与试验设计》这本书带给我最深刻的感受之一，就是它对“严谨性”的极致追求。书中对于每一个统计方法的推导，每一个试验设计的步骤，都进行了极其细致的阐述。它让我明白，科学研究不是靠“感觉”或者“猜测”，而是需要建立在坚实的理论基础和严谨的逻辑推理之上。例如，在讲解“方差分析”时，书中不仅给出了计算公式，还详细解释了ANOVA模型的基本假设，以及如何检验这些假设是否成立。这让我意识到，即便是看似成熟的统计方法，也需要在使用前进行必要的验证。这种对细节的关注，以及对科学精神的强调，无疑会潜移默化地影响到读者，让他们在未来的科研道路上，能够更加注重研究的严谨性和规范性，从而产出更高质量的研究成果。

评分☆☆☆☆☆

在阅读《生物统计与试验设计》的过程中，我常常会被书中精妙的数学推导和严谨的逻辑论证所折服。它并没有回避那些复杂的数学公式，而是将它们清晰地呈现出来，并且用通俗易懂的语言对其进行解释。这对于我这样数学基础相对薄弱的读者来说，无疑是一次巨大的挑战，但也是一次宝贵的学习机会。我发现，当我对某个统计模型的推导过程有了更深入的了解后，我对这个模型的应用也就更加得心应手了。书中对于概率论、数理统计等基础知识的梳理也十分到位，为理解后续内容打下了坚实的基础。我记得书中有一个章节专门讲解了假设检验的逻辑，通过一个具体的生物学研究场景，将零假设、备择假设、p值、显著性水平等概念串联起来，让我茅塞顿开。这种将抽象的数学理论与具体的生物学应用相结合的讲解方式，无疑是这本书最成功的地方之一，让我能够真正理解“为什么”这样做，而不是仅仅停留在“怎么做”的层面。

评分☆☆☆☆☆

作为一个对统计学一直有些畏惧的生物学研究者，《生物统计与试验设计》这本书带给我的是一种前所未有的轻松感和掌控感。它并没有将生物统计和试验设计描绘成一个高不可攀的象牙塔，而是将其还原为解决实际生物学问题的有力工具。书中对于各种统计方法的解释，都紧密围绕着生物学研究中的具体场景展开，比如如何分析基因表达数据，如何比较不同药物的效果，如何评估疾病的风险因素等等。这让我感觉自己不再是孤立地学习一门技术，而是正在学习一种能够帮助我更深入理解生命现象的“语言”。我特别欣赏书中在介绍每一个统计模型时，都会详细说明它的适用前提、假设条件以及潜在的局限性，这让我能够在使用这些工具时更加审慎和得当，避免误用和滥用。它让我明白，统计学并非万能，但理解并正确使用统计学，却能极大地提升我们研究的科学性和严谨性。

评分☆☆☆☆☆

这本书的排版和字体选择也值得称赞。清晰的段落划分，合理的留白，以及易于阅读的字体，都为长时间的阅读提供了良好的视觉体验。我尤其喜欢书中对图表的运用，那些精心设计的统计图表，不仅直观地展示了数据，更有效地传达了研究的结论。图表的标题清晰明了，坐标轴的标注准确无误，每一个细节都体现了作者的严谨和专业。这让我意识到，数据可视化也是试验设计和结果呈现中不可或缺的一环。在我之前的研究中，我常常因为图表的设计不当而导致结论的传达不够清晰，这本书让我学习到了如何利用图表更好地“讲故事”，如何用视觉化的语言来呈现复杂的数据信息。这种对细节的关注，也让我更加信赖这本书所传达的知识。

评分☆☆☆☆☆

我是一名刚入行不久的科研小白，之前在学习生物统计学的时候，总是感觉知识点零散，难以形成系统性的认知。这本《生物统计与试验设计》的出现，简直像一道曙光，瞬间驱散了我心中的迷茫。它的结构设计非常合理，从最基础的概念讲起，循序渐进地引入复杂的统计模型和试验方法。我特别喜欢它在讲解统计方法时，不仅仅是罗列公式，而是深入浅出地解释了这些方法背后的原理和适用条件，并辅以大量的生物学案例。这让我不再是死记硬背，而是真正理解了统计学在解决生物学问题中的强大力量。更让我惊喜的是，书中对试验设计的讲解也同样详尽。如何设置对照组、如何进行随机化、如何控制混杂因素……这些看似基础但至关重要的细节，在书中都得到了清晰的阐述。我感觉这本书就像一位经验丰富的导师，手把手地教我如何设计出既严谨又高效的实验，从而得到更有说服力的研究结果。

评分☆☆☆☆☆

这本书的封面设计真是太令人惊喜了！深邃的蓝色背景，仿佛浩瀚的宇宙，点缀着几颗闪烁的星星，中央则是一本厚重的书籍，书脊上的金色字体“生物统计与试验设计”散发出一种庄重而又充满智慧的光芒。这不禁让我联想到，在这本书的字里行间，是否也隐藏着探索未知生命奥秘的钥匙，是否能帮助我们拨开迷雾，看清隐藏在纷繁数据背后的真实规律。我至今还记得第一次翻开它时的那种激动，仿佛即将踏上一段未知的旅程，充满着期待与好奇。我迫不及待地想要深入其中，去了解那些精妙的统计方法是如何被应用于生物学研究的，去学习那些严谨的试验设计是如何构建出可靠的科学结论的。我希望这本书不仅仅是一本枯燥的教科书，更能成为我研究道路上的良师益友，在我遇到瓶颈时，能够给予我启发；在我迷失方向时，能够指引我前行。它给我的第一印象，就是一本值得反复研读、细细品味的宝藏。

评分☆☆☆☆☆

经典教材，给力。。。。。。。。。。。。。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。

评分☆☆☆☆☆

经典教材，给力。。。。。。。。。。。。。

评分☆☆☆☆☆

好书一本，值得推荐，送货快。