首页 > 经济管理 > 经济、金融 > 经济学理论/经济学通俗读物

深入浅出统计学

作译者：李芳

出版时间：2012-01 千字数：717 版次：01-01 页数：720

开本：16(203*235) 装帧： I S B N ：9787121153082

换版：

纸质书定价：￥89.0

库存:有

分享到：

共有图书评论0条【查看评论摘要】

看了又看

{{data.bookName}}

￥{{data.price}}

内容简介

前言

上架建议

作者简介

编辑推荐

音视频专区

总目录
	序言	xxvii
1	信息图形化：第一印象	1
2	集中趋势的量度：中庸之道	45
3	分散性与变异性的量度：强大的“距”	83
4	概率计算：把握机会	127
5	离散概率分布的运用：善用期望	197
6	排列与组合：排序、排位、排	241
7	几何分布、二项分布及泊松分布：坚持离散	269
8	正态分布的运用：保持正态	325
9	再谈正态分布的运用：超越正态	361
10	统计抽样的运用：抽取样本	415
11	总体和样本的估计：进行预测	441
12	置信区间的构建：自信地猜测	487
13	假设检验的运用：研究证据	521
14	χ2分布：继续探讨……	567
15	相关与回归：我的线条如何？	605
附录i	尾声：正文未及的十大拓展	643
附录ii	统计表：快来查表	657

细分目录及各章引子
序言
大脑对待统计学的态度。一边是你努力想学会一些知识，一边是你的大脑忙着开小差。你的大脑在想：“最好把位置留给更重要的事，像该离哪些野生动物远点啊，像光着身子滑雪是不是个坏点子啊。”既然如此，你该如何引诱你的大脑意识到，懂得统计学是你安身立命的根本？

谁适合阅读本书？	xxx
我们了解你在想什么	xxxi
元认知		xxxiii
征服大脑	xxxv
本书自述	xxxvi
技术顾问组	xxxviii
致谢		xxxix
1
信息图形化
第一印象
在为手头数据无法给出事情真相而发愁吗？统计能化繁为简，帮助你让一堆堆令人困惑的数据发挥作用。当你发现数据的真相后，接下来就需要借助可视化的方法表现出来，使之公之于众。为了找到最合适的图表完成这个过程，请你整理衣衫，带上最好的计算尺，和我们一起赶往“统计邦”吧。
统计量无处不在	2
为何学习统计学？	3
从两张图说起	4
呆板的饼图	8
条形图更具精确性	10
垂直条形图	10
水平条形图	11
标度的影响力	12
使用频数标度	13
处理多批数据	14
类别与数字	18
处理分组数据	19
绘制直方图起步：求出长方形宽度	20
第1步：求长方形宽度	26
第2步：求长方形高度	27
第3步：画出直方图	28
认识累积频数	34
绘制累积频数图	35
选择正确的图形	39

2
集中趋势的量度
中庸之道
有时候，把握问题核心才是当务之急。从一大堆数字中看出模式和趋势可能颇为不易，而求出平均数往往是把握全局的第一步。有了平均数就能迅速找出数据中最具代表性的数值，得出重要结论。在本章中，我们将介绍几种方法，帮助你计算最重要的统计量—均值、中位数、众数。你将开始学习如何有效地汇总数据，尽可能得出简练、有用的结果。
欢迎来到健身俱乐部	46
均值：平均数的一般量度	47
均值数学	48
处理未知条件	49
再说均值	50
再说健身俱乐部	53
人人都在练功夫	54
我们的数据中存在异常值	57
真凶是异常值	58
饮水机边的对话	60
寻找中位数	61
求中位数三步法：	62
生意日益兴隆	65
小鸭呱呱游泳班	66
均值和中位数出了什么问题？	69
我们该怎么处理这样的数据呢？	69
均值访谈	71
认识众数	73
求众数三步法	74

3
分散性与变异性的量度
强大的“距”
世事可靠不可靠，我们该问谁？平均数在寻找数据集典型值方面十分了得，但平均数并不能说明一切。平均数能让你知道数据中心所在，但若要给数据下结论，仅有均值、中位数和众数往往无法提供充足信息。在本章中，我们将开始分析各种距和差，让你的数据分析技术进入新境界。
招聘：队员一名	84
我们需要比较球员得分	85
使用全距区分数据集	86
异常值带来的问题	89
我们需要摆脱异常值	91
四分位数出手相救	92
四分位距剔除异常值	93
剖析四分位数	94
我们并不局限于使用四分位数	98
什么是百分位数？	99
用箱线图绘制各种“距”	100
变异性比分散性更具体	104
计算平均距离	105
我们可以用方差计算变异性……	106
但标准差才是更直观的量度方法	107
标准差访谈	108
方差速算法	113
碰上需要比较基准的情况该怎么办？	118
使用标准分比较不同数据集中的数值	119
标准分释义	120
统计邦全明星篮球队赢了联赛！	125

4
概率计算
把握机会
人生无常瞬息之间的变化有时难以一一料定。但有些事情会比其他事情更有可能发生，这就为概率理论提供了大显身手的舞台。通过概率能评估出现各种结果的可能性，让你预测未来。知悉可能出现的结果则可帮助你作出有根据的决策。本章将让你了解更多概率知识，学会如何掌控未来！
肥蛋大满贯	128
转起来吧，轮盘！	129
几率有多大？	132
求解轮盘概率	135
维恩图：概率的图形表示	136
你还可以将几个概率相加	142
互斥事件与相交事件	147
交集带来的问题	148
更多表示法	149
又一次倒霉的转动……	155
设定条件	156
求解条件概率	157
利用概率树还能计算条件概率	159
概率树使用诀窍	161
第1步：求P(黑∩偶)	167
第2步：求P(偶)	169
第3步：求P(黑|偶)	170
利用全概率公式求解P(B)	172
认识贝叶斯定理	173
如果几个事件互有影响，则为相关事件	181
如果几个事件互不影响，则为独立事件	182
再谈独立事件概率计算	183

5
离散概率分布的运用
善用期望
意外从天而降，未来如何演变？前文讲到如何通过概率得知发生某些事件的可能性的大小。可惜概率并非万能，它无法指出所发生的这些事情的整体影响，也无法指出这种整体影响对你的具体影响。不错，你有时会在轮盘赌中大赚特赚，但你赚到的钱真的填得平那些赔掉的钱吗？在本章中，我们将讲述如何利用概率预测长期结果，以及如何量度这些预测结果的确定性。
重回肥蛋赌场	198
我们可以写出老虎机概率分布	201
期望指示预测结果……	204
方差指示结果的分散性	205
方差和概率分布	206
让我们算算老虎机的方差	207
肥蛋改了价码	212
E(X)与E(Y)之间存在线性关系	217
老虎机变换	218
线性变换的通用公式	219
每一次拉杆为一个独立观测值	222
观测值速算法	223
新老虎机在等你	229
E(X) + E(Y)＝ E(X + Y)	230
E(X) – E(Y)＝ E(X – Y)	231
线性变换也可以做加减运算	232
发了！		238

6
排列与组合
排序、排位、排
顺序有时很重要 一 清点某些事物的所有可能排序方法耗时颇巨，可这却是计算某些概率必不可少的过程 一 麻烦就在这里。在本章中，我们将介绍推导出这类信息的简便方法，为你免除清点一切可能结果的烦恼。来吧，让我们看看如何计算概率。
统计邦德比杯马赛	242
三马赛正在进行	243
马儿们有几种穿越终点线的方式？	245
计算排位数目	246
圆形排位	247
花样赛开始了	251
按个体排名与按种类排名不是一回事	252
我们需要按种类排列动物	253
推导出用于重复排列的公式	254
二十马赛正在进行	257
前三甲归属方式有几种？	258
何为排列	259
假如马匹排名无关紧要	260
何为组合	261
组合访谈	262
比赛结束	268

7
几何分布、二项分布及泊松分布
坚持离散
计算概率分布颇为费时。前面讲到如何计算和利用概率分布，不过，如果方法更简单一些，计算速度更快一些，效果岂不更好？在本章中，我们将介绍一些特殊的概率分布，这些概率分布有着十分固定的模式。只要懂得这些模式并善加利用，就能以前所未有的速度计算概率、期望、方差。接着读吧，让我们一起来认识几何分布、二项分布及泊松分布。
我们需要求出查德的概率分布	273
这种概率分布有一种固定模式	274
概率分布可以用代数式表示	277
几何分布对不等式同样有用	279
几何分布的期望模式	280
期望是 1/p	281
求当前分布的方差	283
几何分布简明指南	284
转椅赢赢赢！	287
你已经掌握了几何分布	287
玩下去，还是转身走？	291
推广到求3个问题的概率	293
进一步推导概率算式	296
期望和方差如何计算？	298
二项分布的期望与方差	301
二项分布简明指南	302
泊松分布的期望和方差	308
概率分布是怎样的？	312
组合泊松变量	313
伪装下的泊松分布	316
泊松分布简明指南	319

8
正态分布的运用
保持正态
离散概率分布并非无所不能。到目前为止，我们接触到的都是可以指定确切数值的概率分布。然而并非所有数据集合都是如此，还有几类数据并不符合我们之前遇到的概率分布。我们将在这一章里讲解所谓的连续型概率分布，并介绍最重要的概率分布类型之一 — 正态分布。
离散数据可取确切值……	326
但并非所有数值型数据都是离散的	327
推迟几分钟？	328
我们需要求连续数据的概率分布	329
概率密度函数可用于描述连续数据	330
概率 = 面积	331
欲算概率，先求f(x)……	332
再求面积，可得概率	333
概率算好了	337
寻找灵魂伴侣 	338
男伴模型	339
正态分布是连续数据的“理想”模型	340
如何求正态概率？	341
正态概率计算三步法	342
第1步：确定分布	343
第2步：标准化为N(0, 1)	344
欲完成标准化，先移动均值……	345
然后收窄	345
现在，为要计算其概率的特定数值求出Z	346
第3步：用方便易用的概率表查找概率	349

9
再谈正态分布的运用
超越正态
但愿所有的概率分布都是正态分布。有了正态分布，日子好过多了—既能一口气查出整个范围的概率，又能留下点时间玩游戏，谁还会花时间一个一个地计算概率呢？在本章中，你将学习如何闪电般解决更复杂的问题，还将懂得如何将正态分布的便利运用到其他概率分布上。
双双登上爱情过山车	363
正态新娘 + 正态新郎	364
终究还是体重问题	365
综合体重符合哪种分布？	367
求解概率	370
更多人想坐爱情过山车	375
线性变换描述了数据的基本变化……	376
而独立观察结果描述的是你有多少数值	377
独立观察结果的期望和方差	378
接着玩，还是转身走？	383
正态分布出手相救	386
何时用正态分布近似代替二项分布	389
再谈正态近似	394
二项分布是离散分布，正态分布则是连续分布	395
在计算近似值之前先进行连续性修正	396
组合访谈	404
大家坐上爱情过山车	405
何时用正态分布近似代替泊松分布	407
婚礼成功!	413

10
统计抽样的运用
抽取样本
统计需要处理数据，数据从何而来？有时候数据很容易收集 — 例如参加一家健身俱乐部的人员的年龄，或一家游戏公司的销售数据；但有时候不太容易，这时候该怎么办？ — 当事件数量十分庞大时，很难决定该从何处着手收集数据。在本章中，我们将看看如何在实际工作中成功收集数据 — 有效地、正确地、省时省钱地收集数据。欢迎来到抽样天地。
曼帝糖果公司口味检验	416
糖球吃光了	417
对糖球样本而非糖球总体进行检验	418
抽样方法	419
当抽样有误时	420
如何设计样本	422
确定抽样空间	423
样本有时会发生偏倚	424
偏倚的来源	425
如何选择样本	430
简单随机抽样	430
如何选取简单随机样本	431
其他类型的抽样	432
我们可以用分层抽样…… 	432
或可用整群抽样……	433
或甚至可用系统抽样	433
曼帝糖果公司有了样本	439

11
总体和样本的估计
进行预测
得样本而知总体，不亦乐乎？若想成为样本专家，首先要懂得如何最有效地利用到手的样本—利用样本准确地预测总体，并以一定方式说明预测结果的可靠程度。在本章中，我们将讲解如何通过样本了解总体，以及如何通过总体了解样本。
糖球口味到底能持续多久？	442
让我们首先估计总体均值	443
点估计量可以近似总体参数	444
让我们估计总体方差	448
我们需要一个有别于样本方差的点估计量	449
哪个公式用在哪里？	451
这是一个比例问题	454
这和抽样有什么关系？	459
比例的抽样分布	460
Ps的期望是多少？	462
Ps的方差是多少？	463
求解Ps的分布	464
Ps符合正态分布	465
我们需要求样本均值的概率	471
均值的抽样分布	472
求X的期望 	474
X的方差是多少？	476
X如何分布？	480
当n很大时，X仍然可以用正态分布近似	481
使用中心极限定理	482

12
置信区间的构建
自信地猜测
有时候样本无法给出足够正确的结果。前面讲到如何用点估计量估计总体均值、方差或一定比例的精确值。问题在于，你怎么能肯定自己的估计完全正确？毕竟，你仅仅依靠一个样本对总体作出假设，如果这个样本出问题怎么办？本章将介绍另一种估计总体统计量的方法 — 一种考虑了不确定性的方法。拿出你的概率表，我们将向你讲解置信区间的来龙去脉。
曼帝糖果出事了	488
精度引起的问题	489
认识置信区间	490
求解置信区间四步骤	491
第1步：选择总体统计量	492
第2步：求出所选统计量的抽样分布	492
第3步：决定置信水平	494
第4步：求出置信上下限	496
先求Z		497
用m改写不等式	498
最后求X的数值	501
你求出了置信区间	502
步骤总结	503
置信区间简便算法	504
第1步：选择总体统计量	508
第2步：求X的概率分布	509
第3步：决定置信水平	512
第4步：求出置信上下限	513
t分布与正态分布比较	515

13
假设检验的运用
研究证据
他人的言论未必句句真实可信。问题是如何判断他人的言论何时真，何时假？假设检验为你提供了一种方法—利用样本检验各种统计断言是否可能属实。通过假设检验可以权衡证据，检验极限结果—是纯属巧合，还是存在其他内在根据？让我们一起阅读本章，看看如何利用假设检验证实或打消你内心深处的疑虑。
统计邦新上市的神奇药品	522
纵观全局	526
假设检验六步骤	527
第1步：确定假设	528
第2步：选择检验统计量	531
第3步：确定拒绝域	532
第4步：求出p值	535
第5步：样本结果位于拒绝域中吗？	537
第6步：作出决策	537
如果样本增大会怎么样？	540
让我们再进行一次假设检验	543
第1步：确定假设	543
第2步：选择检验统计量	544
在我们的检验统计中用正态分布近似二项分布	547
第3步：求出拒绝域	548
让我们从第一类错误讲起	556
再谈第二类错误	557
发现鼾克检验的错误	558
我们需要求数值范围	559
求P(第二类错误)	560
认识功效	561

14
x2分布
继续探讨……
有时候事实与期望并不相符。当以一种特定的概率分布为某种情况建模时，对于事物的长期可能结果，你有十分清晰的想法。可如果期望与事实存在差别呢？你该如何判断？—这些偏差是正常波动，还是说明概率模型存在问题？本章将讲解如何利用χ2分布分析结果，排除可疑结果。
肥蛋赌场可能有麻烦	568
让我们从老虎机开始	569
用x2检验评估差异	571
检验统计量代表什么？	572
x2分布的两个主要用途	573
 表示自由度	574
显著性是多少？	575
x2假设检验	576
你解开了老虎机之谜	579
肥蛋遇到了新问题	585
x2分布可以检验独立性	586
可用概率求出期望频数	587
频数是多少？	588
我们还需要计算自由度	591
自由度计算方法归纳	596
得出算式……	597
你救了肥蛋赌场	599

15
相关与回归
我的线条如何？
你是否曾经为某两件事的相互关系困惑不已？前面讲过的统计量只描述一个变量—如个人身高、篮球队员得分或是糖球口味持续时间，但是，另外还有一些统计量可以说明变量之间的关系。了解事物的相互关系可以丰富你的信息，让你了解真相，使你立于不败之地。来吧，让我们为你介绍发现事物关系的秘诀： 相关与回归。
让我们分析天晴时数和听众人数	607
数据类型探讨	608
二变量数据可视化	609
散点图为你指出模式	612
相关关系与因果关系	614
用最佳拟合线预测数值	618
最佳猜测仍是猜测	619
我们需要将误差最小化	620
认识误差平方和	621
求最佳拟合线公式	622
求最佳拟合线斜率	623
求最佳拟合线的斜率，第二部分	624
b求出来了，a呢？	625
你已经找出了关系	629
让我们查看一些相关关系	630
用相关系数量度直线与数据的拟合度	631
相关系数r有专用计算公式	632
求音乐会数据的r	633
求音乐会数据的r（续）	634

i
附录I：尾声
正文未及的十大拓展
正文既已，余兴未尽。我们觉得还有一些内容是你需要知道的，对这些内容只字不提恐有不妥，不过，其实也只需要简单地提一提—我们诚挚地希望为你呈上一本厚薄适度的书，免得你为了捧起这本书学习还得先去健身中心练练臂力。因此，请先通读一遍这里的知识点，再合上本书。
#1. 数据的其他表现形式	644
#2. 分布剖析	645
#3. 实验	646
#4. 最小二乘回归法的其他公式	648
#5. 决定系数	649
#6. 非线性关系	650
#7. 回归线斜率的置信区间	651
#8. 抽样分布 – 两个均值之间的差异	652
#9. 抽样分布 – 两个比例之间的差异	653
#10. 连续概率分布的E(X)和Var(X)	654

i i
附录II：统计表
快来查表
标准正态分布表	658
t分布临界值	660
x2 临界值	661

如何使用本书
序言
谁适合阅读本书？
请先回答几个问题：
1.	因为一门课程、因为自己的工作，或仅仅因为你觉得自己应该懂得标准差的意义或是如何求轮盘赌赢钱概率，使你需要了解统计学？
2.	你想学习、理解和记忆如何使用概率和统计百发百中地得出正确结果？
3.	与枯燥、无聊的学术演讲相比，你更喜欢参加充满欢声笑语的晚宴，对吗？
如果以上问题全部回答“对！”—这本书适合你。
谁该和本书说拜拜？
请先回答几个问题：
1.	你从来没有学过基础算术？（不用很精通，但应该会基本的加、减、乘、除。）
2.	你是一位意气风发的统计师，正在物色参考书？
3.	你惧怕尝试新事物，宁可上山打虎也不愿标新立异，对吗？你认为要是用拟人的手法叙述维恩图，统计学书籍就难免有失严肃，对吗？
只要有一个问题回答“对！”
 —你与本书无缘。

我们了解你在想什么
“这怎么能是一本严肃的统计学书籍呢？”
“这些图都是用来干嘛的？”
“我真能这样学统计学吗？”
我们了解你的大脑在想什么
你的大脑渴望新事物。大脑总是不停地搜索、探查、等待不同寻常的事物，它天生如此，这正是你活力的来源。
那么，大脑怎么对待你所碰到的常规、普通、一般的事情呢？—它会竭尽全力阻止这些事情，以免干扰自己真正的工作—记录重要事项。大脑不会费力保存这些琐事，这些琐事从来不会成功地闯过“明显不重要事项”关卡。
你的大脑如何知道哪件事重要？假想有一天你出门旅行，迎面扑来一只吊睛白额大虫，你的头脑和身体会有什么反应？
神经元发动、情绪激动、化学物质激增。于是，你的大脑知道—
这事绝对重要！记住！
但，想象你是呆在家里，或是呆在图书馆里，也就是说，是在一个安全、温暖、没有老虎的地方。
你正在复习迎考，要不然就是在努力搞懂一些艰深的技术，你的老板认为花个把星期就能搞定，顶多十天。
唯一的问题是：你的大脑想好好帮你一把，它试图保证不让这种“明显不重要”的内容去破坏珍惜的资源，这些珍稀的资源最好用来保存真正“重大”的事情，像老虎啊，像火灾险情啊，像你绝不该在Facebook的网页上贴上那些“聚会”照片啊。
没有什么方便的办法可以告诉大脑“喂，大脑，我对你感激之至，可是不管这本书多无聊，也不管我对这本书多没兴趣，我真的想把这些东西全都记住。”

我们认为深入浅出（Head First）系列图书的每一位读者都是一位学习者。
既然要学习，怎样才能学会呢？首先，你得搞懂，然后，切勿遗忘。一字一句硬塞不是办法。根据最新的认知科学、神经生物学及教育心理学研究结果，学习远不仅仅是读书认字。我们知道怎么让你的脑筋动起来。
下面是部分深入浅出（Head First）教学原则：
将知识图形化。图形比单调的文字好记得多，可以提高学习效率（记忆学习和转移学习的学习效率最多能提高89%）；图形还能让知识更容易理解，相比将文字放在页脚和下一页，将文字放在相关图形当中或图形周围，学习者成功解决相关问题的可能性将成倍增长。
采用对话式的个性化风格。最近的研究表明，要是回避一本正经的语气，代之以对话般的风格，以第一人称平易近人地给学生上课，学生的课后测验成绩最多可提高40%。多讲几个故事，少来一点高谈阔论，语气宜随和。别太郑重其事。想想看，一局欢声笑语的晚宴，或是一场枯燥的演讲，哪一样更让你感兴趣？
引导读者深入思考：换句话说，除非读者主动调动自己的神经元，否则脑袋里不会发生什么大变化。只有激发读者的兴趣，引起读者的好奇，刺激读者的灵感，读者才能解决问题，得出结论，获得新知识。为此，讲授者要设计各种难题、练习，提出引人深思的提问，还要多设计一些让左右脑半球和多种感官都动起来的活动。
牢牢吸引读者的注意力。大家都有这样的体验 —“我是真想学，但看完第一页就晕了”。大脑注意的是不同寻常的、有趣的、奇怪的、引人注意的、出人意料的事情。学习一种新颖艰深的技术不一定非得枯燥乏味不可，果真有吸引注意力的内容，大脑会学得更快。
影响读者的情感。现在我们知道，人的记忆能力在很大程度上取决于要记忆的内容对情感的影响。我们关心什么，就会记住什么；我们对什么事有感觉，就会记住什么。这里讲的情感并非天灾
人祸给人带来的撕心裂肺的伤痛情感，而是惊讶、好奇、感觉有趣、想追根究
底之类的情感，以及在猜对一个字谜、在学会别人感觉难以学会的事情或是在意识到自己懂的东西居然比工程部那位开口闭口“我比你有技术”的张三还多时，油然而生的“我是老大”的感觉。

元认知：对思考的思考
如果真想学东西，而且想学得更快更深入，就要关注自己如何集中注意力。要思考自己的思考方式，研究自己的研究方式。
大多数人在成长过程中都不曾学习元认知和学习理论方面的知识。人们期望我们学知识，但极少有人教我们如何学。
但想象得到，捧着本书的你，的确想学习统计学知识，同时可能不想花费太多时间。要想利用在本书中读到的知识，就得记住读过的知识，为此必须理解这些知识。为了淋漓尽致地发挥本书或任何书本或学习经验的作用，请管好你的大脑，请管好大脑对待本书的态度。
诀窍在于让大脑把正在学习的新资料当做“正经大事”—对幸福至关重要的大事，像面对老虎一样重要的大事。若非如此，你就会陷入一场持久战：你竭力要记住新知识，大脑却竭力要把这些新知识踢出去。
既然如此，如何让大脑像对待吃人的老虎一样对待统计学知识呢？
有两种办法，一种缓慢而乏味，一种迅速而有效。慢办法是简单记忆。你显然明白，只要不停地把同样的东西往大脑里灌，即使是最
乏味的知识，也能学会、记牢。只要重复灌的次数足够多，大脑就会想：“这些东西给他的感觉并不重要，但他不停地看这些相同的东西，一遍，一遍，再一遍。因此我猜这些东西肯定很重要。”
快办法是做一切增进大脑活动的事，尤其是不同类型的大脑活动。上一页讲了很多这样的活动，事实证明，这些活动全都能促使大脑以有利于己的方式工作。例如，研究表明，将文字放在文字所描述的图片当中（相反的做法是将文字放在页面中的其他位置，如注释位置或正文位置），会促使大脑努力想搞清楚文字和图片之间的关系，进而发动更多神经元。更多神经元发动 = 更有机会让大脑明白某件事值得注意，可能还值得记住。
对话式的写作风格对此很有帮助。人们在与人对话时注意力会更集中，原因是别人期待对方有所表现。令人惊讶的是，大脑不一定会在意“对话”是在人和书之间进行！反之，要是写作风格了无新意，乏味枯燥，大脑的感觉就和在挤满消极听众的屋子里听演讲没什么两样：没必要保持清醒。
不过，图形和对话式风格只是起步……
我们的做法：
我们使用丰富的图片，这是因为，大脑追逐图像，而非文字。在大脑的活动中，一张图片胜过千言万语。当同时使用图片和文字进行说明时，我们将文字填写在图片当中，当文字出现在它所描述的事物当中时，大脑的工作更有效率；相反，若将说明性文字放在注释或其他正文当中，则无此效果。
我们使用反复论述法，即以不同的方式、通过不同的媒介对同一主题进行反复描述，给读者营造丰富的感受，目的是让这些主题有更多机会印在大脑的多个区域。
我们以出人意料的方式叙述概念和使用图片，因为，大脑追逐新鲜事物；我们在图片和创意中或多或少加入了一些情感性的内容，因为，大脑关注情感的生物化学反应。让人有所感触的东西更可能让人记住，即使这点感触不过是一丝幽默、一丝惊讶或一丝兴趣，也是如此。
我们使用个性化的对话式写作风格，因为，当大脑认为你是在进行对话而不是在消极地听报告时，就会调整到注意力更集中的状态。即使在读书时，大脑也是这个习惯。
我们安排了80多个活动，因为，相比读书，在做事时，大脑经过调整，能学会和记住更多东西。我们安排的练习有难度，但不会让人束手无策，这正是大多数人愿意做的练习。
我们使用多种教学风格，因为，有的人可能喜欢一步一步按顺序来，有的人可能喜欢先看懂大图，还有一些人可能只想看看例子。我们将以多种方式反复讲述相同的主题，不管读者的个人爱好如何，都将因此受益匪浅。
我们安排了让左右脑半球分别负责的内容，因为，大脑开动部位越多，就学得越多，记得越多，注意力更持久。由于一侧大脑工作往往意味着另一侧大脑得到休息，左右半脑的分工合作使得长时间学习的学习效率得到提高。
我们还安排了一些场景和练习，在场景中展现不同的观点，因为，当大脑被迫进行评估和判断时，会调整到深入学习状态。
我们在练习中安排了一些难点，即提出一些无法简单回答的问题。因为，你的大脑在不得不处理某件事情时，会调整到学习和记忆状态。开动脑筋吧，“光看别人做运动无法让自己体态健美”。别担心，我们尽力保证，你努力学习的都是该学的，你不会为了对付一个费解的例子或为了分析一段用词过于晦涩或行文过于简化的段落而多用一个脑细胞。
我们以人物为例，把人物安排在场景、实例、图片等等内容中。至于原因嘛，因为你是人群中的一员啊，你的大脑对人比对事更关注。

你的任务：征服大脑
我们的工作到此为止，剩下的就看你的了。从下面这些提示出发，顺从大脑的判断，看看哪些对你有用，哪些对你没用，尝试一下新事物吧。
1.	慢慢读。理解的内容越多，要记忆的内容越少。
忌死读。停一停，想一想，碰到书中的提问时，别直接翻看答案；想象真的有人在问你这个问题。强迫自己的大脑想得越深，学会、记住的概率就越大。
2.	自己做练习，自己记笔记。
我们安排了练习和笔记，但是，要是我们替你完成，就像让别人替你锻炼身体一样。只动眼不动手也不可取，要动动笔。大量证据证明，学习时的身体动作能提高学习效率。
3.	阅读“世上没有傻问题”部分
4.	世上没有傻问题。这些问题并非可看可不看，这是核心内容的组成部分！请勿忽略。
请将下面这段话作为最后一段床头文字，或起码作为最后一段高深的床头文字。
有一部分学习过程（尤其是短暂记忆转变为长期记忆的过程）发生在放下书本之后，大脑需要有自己的时间进行更多处理。如果在这段处理时间内学新东西，将会丢失一些刚学会的东西。
5.	大量喝水。
充沛的体液会让大脑处于最佳工作状态，脱水（早在感到口渴前就会发生）则会让认知功能下降。
6.	开口大声讨论。
说话会刺激大脑的其他部分。如果你正在努力理解一些知识，或正在努力增加以后记住这些知识的概率，请大声说出这些知识。还有一种更好的做法，试着向别人大声解释这些知识。你会学得更快，可能还会发现一些阅读时不曾发现的名堂。
7.	聆听大脑的声音。
留意你的大脑是否超负荷工作。若你发现自己开始心不在焉，或是刚刚读过的东西转眼忘记，就该休息。一旦过了某个学习点，哪怕拼命塞，也无法提高学习效率，反而有可能影响学习过程。
8.	找到感觉。
大脑需要知道事情是否重要。让自己融入各种场景，为照片设想旁注，就连抱怨一个并不好笑的玩笑，也比什么感觉都没有强。
9.	勤加练习！
完全掌握统计学的唯一办法就是勤加练习，本书通篇都在引导你这样做。统计学的运用是一门技术，精于此道的唯一办法就是大量练习。本书将为你提供大量练习机会：每一章中都有一个等待你解决的问题，千万别跳过这些问题不看—大量学习都发生在解决问题的过程中。我们为每一个问题提供了答案，要是卡了壳（有些细微之处很容易给人带来麻烦），别不敢看！不过，请尽量先解决问题，然后再看答案，务必让你的办法行之有效，然后才继续看书中的下一部分内容。
本书自述
本书是经验之谈，并非系统教材，我们故意抽掉了会妨碍讲述书中相关知识的东西。本书对你已经见识过和学习过的知识作了一些假设，因此第一次通读本书的时候，需要从头读起。
我们从数据展示和汇总的基本方法讲起，讲至概率分布，再讲至假设检验等其他高级应用技术。
尽管越往后的章节越重要，但起始部分却是后文的基石，图表绘制、均值计算，以及变异性的量度均在此列。因此，我们一开始就抛给你一些基本统计问题，这些问题其实是靠你自己解决的。如此一来，你就能立刻把统计学用起来，你将开始摩拳擦掌。在此之后，我们继续向你讲解概率和概率分布的运用，这时你将打下坚实的统计学基础，可以专心于学习概念。接着，我们讲解如何挥洒自如地运用所学知识，假设检验就是一例。我们瞄准时机为你提供合适的知识，这样的知识最有价值。
我们所讲范围与AP与A Level的常规范围相同。
尽管我们的关注重点是全面学习而非考试准备，但我们很好地纳入了AP和A Level课程的内容，因此，随着对本书的学习，你将深入领会各种等级考试的应知应会内容，通过这种方法学习统计学比死记硬背公式效果更好，因为你对于自己的需要充满自信，你知道什么时候需要使用这些知识，知道如何使用这些知识。
我们通过在线资源为你提供帮助。
通过与读者交流，我们得知你有时候需要一些特别的帮助，因此我们提供了一些在线资源，动动指尖就能访问。我们为你提供互动在线论坛、在线论文及其他资源。请从这里开始访问：
http://www.headfirstlabs.com/books/hfstats/
活动并非可做可不做。
练习和活动不是点缀，而是本书的核心组成部分。这些练习和活动有的是为了帮助记忆，有的是为了帮助加深理解，还有的是为了帮助应用所学知识，切勿忽略。唯一的例外是填字游戏，这不是非做不可，不过，填字游戏会让大脑得到在不一样的语境下思考所学到的单词和术语的大好机会。
反复论述是刻意而重要的安排。
深入浅出系列书籍有一个明显特色：我们希望你“真正”掌握学到的知识，我们希望你在看完本书的同时就记住学到的知识。大多数参考书都不把记忆和回忆当做一个目标，但本书的目标是“学会”，所以，常常会看到同一概念多次出现。
“动动脑”练习没有答案。
有一些“动动脑”练习没有标准答案，另有一些练习是为了让你判断自己的答案是否正确，以及在什么情况下会正确。部分“动动脑”练习给出了提示，为你指明正确方向。

技术顾问组
技术顾问：
阿瑞娜安德森（Ariana Anderson），加利福尼亚大学洛杉矶分校统计系教师助理及博士生，她的研究兴趣包括数据挖掘和模式识别。
德鲁克莱因菲尔德（Dru Kleinfeld），康奈尔大学2007届毕业生，经济学学士。德鲁目前住在纽约，供职于摩根斯坦利人力资源部。
丹妮尔莱维特（Danielle Levitt），目前在以色列特拉维夫学医，为一年级学生。闲暇时候，她欣赏音乐、游海泳、花时间陪伴朋友和家人。
安迪帕克（Andy Parker），以物理学研究员的身份开始了他的职业生涯，他认为自己对统计学略知一二。读完这本书后，他感到深受启发。Andy现在大部分时间都在担心自己是不是还忘掉了什么别的重要事情。
迈克尔 J. 普瑞诺（Michael J. Prerau），计算神经科学研究员，他创造了一种统计方法，用于分析大脑中的神经元如何对信息进行编码。他是波士顿大学神经科学编程专业的博士生，同时也是麻省综合医院麻醉学与重症看护科神经科学统计学研究实验室的助理研究员。
马修维德朋克（Matthew Vadeboncoeur），新罕布什尔大学复杂系统研究中心生态系统生态学研究生。

致谢
我的编辑：
衷心感谢我的编辑山德斯克林菲尔德（Sanders Kleinfeld）。与山德斯合作是种享受，通过电话、电子邮件、聊天，主顾变成了朋友。他的投入和刻苦令人惊叹，他为我提供的建议和支持堪称一流。谢谢，山德斯！你棒极了，没有你我无法写出这本书。
O’Reilly团队：
超级感谢布雷特麦克劳林（Brett McLaughlin），是他让我飞到波士顿参加Head First新手营，给了我一生难得的机会。布雷特对Head First的直觉非常到位，我十分感谢他在本书写作过程中给我的指导。谢谢，布雷特。
这本书要是没有露巴尔（Lou Barr），难以想象会是什么样子。露是一位令人惊叹的图形设计师，她为本书妙笔添花，不仅如此，她让整个学习体验更具内涵。她举重若轻，我对她感激不尽。
Head First团队的其他成员也当得起一声郑重的谢谢。凯瑟琳诺兰（Catherine Nolan）扶助我度过了这本书的前期阶段，让我在Head First天地里无拘无束，布列塔尼史密斯（Brittany Smith）保持生产稳定运行，劳琳帕翠基（Laurie Petrycki）给了我充分的信任，把这本书交给我来写（她在年初还把办公室借给我用—谢谢，劳琳！），凯斯麦克纳马拉（Keith McNamara）出色地组织了一支技术审核团队，凯琴麦卡洛（Caitrin McCullough）打理网站的一切事务。多谢各位！
我要特别提一提凯西赛拉（Kathy Sierra）和伯特贝茨（Bert Bates），他们是这一系列精彩图书的原始策划者。本书能够成为这个系列中的一环不胜荣幸。
我的家人和朋友：
真希望有足够的篇幅把所有帮过我的人都写上一笔，特别要感谢大卫（David）、妈妈、爸爸、史蒂夫哈维（Steve Harvey）、吉尔切斯特（Gill Chester）、保罗伯吉斯（Paul Burgess）、安迪塔特勒（Andy Tatler）以及彼得沃克（Peter Walker），是你们鼓励我前进，对你们的支持和鼓励我万分感激，无以言表，谢谢你们。

Safari＆reg;在线图书馆
若你在自己喜爱的技术书籍封面上看到Safari图标，说明该书已在O’Reilly网络图书馆（O’Reilly Network Safari Bookshelf）上架销售。
Safari为读者提供比电子书更胜一筹的解决方案，它是一个虚拟图书馆，你可以轻松地搜索成千上万本顶尖技术书籍，剪贴代码样本，下载图书章节，在需要获得最精确、最先进的信息时迅速找到答案。请免费试用：
 http://safari.oreilly.com

查看更多 > 图书评论

暂无评论

发表图书评论

评论标题：
评论内容：
验证码：: 看不清楚
点击刷新
: 您还没有登录，请登录后再评论。
点击“登录”

购买过本书的顾客还买过

{{data.bookName}}

￥{{data.price}}