本书是一本简明的统计学入门书，每章都有丰富的图表、示例，深入浅出，易于理解。本书比一般大的大学教材更具实践性，不强调计算，而是强调统计推理，特别是思考数据、利用统计，何时以及如何应用各种统计检验，教读者在各种研究和应用领域使用和理解统计学。
你在工作中需要学习统计学吗？想要通过统计学课程考试吗？对于所有统计初学者而言，本书都是清晰简明的入门级参考书。第2版经过了修订和扩充，有助于你更加深刻地理解统计学，而且它不像大学教课书那样复杂。
全书浅显易懂，并配有图形、公式、例子和练习。如果你想实现常用的统计分析方法，并且希望学习更多的统计方法，那么本书就是你所需要的。
了解测量、概率论、数据处理和实验设计的基本概念
探讨基本统计方法，包括相关性、t检验、卡方检验、费希尔精确检验以及非参的数据分析方法
了解基于广义线性模型的高等统计方法，包括ANOVA、ANCOVA、多元线性回归和Logistic回归
统计方法运用于商业、质量改进、医疗卫生、教育和心理学领域
学会用统计交流，评论别人展示的统计信息
从反响来看，本书第1版是非常成功的，但所有的书籍都有提升空间，所以我感谢能有机会对本书第1版进行修改。我写这本书的初衷依然没有改变：这是一本写给那些对统计感兴趣并且想要理解统计的人的书，而不是一本告诉你如何使用统计软件或者钻研统计公式背后的数学理论的书。这本书和O扲eilly轻松入门系列的其他书有些不一样——从某种程度上来说，本书既不是统计学手册，也不是统计学入门教材，而是介于两者之间。
尽管统计学不断地渗透到其他领域，但有一点始终没变：那就是在晚会上告诉别人我是一个统计学家仍然成事不足败事有余。因此，这似乎告诉我人们有多讨厌大学里必修的统计学，这也促使他们甚至引用马克·吐温的一个老掉牙的笑话“世界上有三种谎言：谎言、该死的谎言和统计”。
就个人而言，我发现统计是迷人的，我喜欢在这个领域工作。我也喜欢教授统计，而且还相信我可以热情地跟别人交流统计。但这通常是一场艰苦的战斗；因为许多人似乎相信统计就是一些扭曲事实，误导他人的技巧或者手法。但也有人持相反的意见，他们相信统计是可以帮助他们思考问题的一系列神奇方法。
那么，到底什么是统计？
在你深入学习和使用统计的技术性细节之前，先暂停一会儿，思考“统计”这个词所有可能的含义。不要担心你无法立刻理解“统计”的所有含义，在阅读这本书的时候，你就会清楚它们的意思。
当人们说到统计的时候，他们通常指的是以下几点：
1. 数值数据，比如失业率、每年因蜜蜂叮咬而死亡的人数，或者与1906年相比，纽约2006年的人口数。
2. 描述样本数据的数字，这是相对参数（用来描述总体的数字）来说的。例如，广告公司可能比较关注《体育画报》订阅人群的平均年龄。为了回答这个问题，可以从订阅者中抽取一个随机样本，计算样本均值（这是一个统计量），然后用这个均值来估计订阅者总体的年龄均值（这是一个总体参数）。
3. 分析数据时所使用的一些特定方法以及这些方法的结果，比如t统计量或者卡方统计量。
4. 开发和使用数学方法来描述数据并且据此作出决策的研究领域。
第1条定义的统计不是这本书主要的关注点。如果你只是简单地想找到关于失业、健康或者任何由政府或其他组织定期发布的关于其他主题的统计数据，你最好去咨询图书管理员或者该领域的专家。但如果你想知道如何解释这些数字（例如，理解为什么用均值来表述平均值通常会产生误导，或者理解粗死亡率和标准化死亡率之间的差异），那么本书肯定可以帮到你。
第2种定义所提及的概念会在第3章中进行讨论，这些概念涉及推断统计，但这些概念也会贯穿整本书。虽然从某种程度上说，这是一个术语的问题（统计量是用来描述样本的数，而参数是用来描述总体的数），但却强调了统计实践的一个基本思想。推断统计的基本思想就是利用通过研究样本得来的信息对总体做出推断，推断统计是本书主要的关注点（正如它是大部分统计书籍的关注点一样）。
第3种定义也是本书大部分章节的基础。学习统计的过程在某种程度上来说就是学习某些特定统计方法的过程，这些统计方法包括如何计算和解释这些统计量、在特定情况下如何选择一个合适的统计量等。事实上，大部分刚开始学习统计的学生都会赞同这个定义；对他们来说，学习统计意味着学会如何运用一系列统计方法。这不是学习统计的有效方法，因为它是不完整的；学会运用统计方法是统计实践所必需的一部分，但这并不是统计实践的全部。此外，由于计算机软件使得人们更加容易进行统计分析而不管人们有没有数学背景，因此理解和解释统计的需要已经远远超过了学习如何计算的需要。
第4种定义和我所想的最为接近，因为我选择统计作为我的专业。如果你是一个中学生或者大专生，那么你可能知道统计的这种定义，因为现在许多大学和大专院校要么有一个独立的统计学院，要么在数学学院下设有专门的统计学专业。讲授统计学的高中学校也越来越多，并且在美国，把统计学当做大学先修课程的院系也越来越多。
统计学不仅仅是大学水平的一个专业学科。很多大学院系要求学生不仅要修完本专业课程，还要选修一门或者多门统计学课程。此外，我们还应该知道现代统计中许多重要的技术都是由在其他领域工作，并且把学习和使用统计作为他们工作一部分的人所开发的。Stephen Raudenbush是分层线性模型的先驱，他在哈佛大学研究政治分析和评价，Edward Tufte是统计图形方面的世界专家，他刚开始的职业是一名政治科学家，他在耶鲁大学写了关于美国民权运动的博士论文。
因为统计在许多领域都有应用，并且各个层次（从管理者到一线工作人员）对统计学的应用越来越多，对于那些离开学校多年的人来说，获得基本的统计学知识已经成为必须要做的事情。然而，这些人接触到的常常是美国大学本科课程的教材，而这些教材都太专业，太专注于计算并且太过昂贵了。
最后，不能把统计完全留给统计学家，因为统计需要参与到现代公民的生活中，尤其是在理解你所读到的报纸、看到的电视和听到的无线广播的时候。统计知识是避免误导性言论扩散或者虚假言论扩散（不管这些虚假言论是政治家、广告商还是社会改革者发布的）的最好方法，而这些言论在我们日常新闻中所占的比例似乎越来越高。这就是Darryl Huff 1954年的经典著作《统计数字会撒谎》为何仍然在发行的原因：统计很容易被滥用，大约几十年来，常见的统计方法一直存在失真的现象，面对那些利用统计数字来撒谎的人，最好的方法就是武装自己，这样你就能够发现这些谎言，并且阻止说谎者散布谎言。
本书的重点
市面上有许多统计学书籍，你可能很想知道为什么我再写一本统计学书籍是有必要的。最主要的原因是我还没有发现哪本书能够满足本书所提出的需求。事实上，如果允许我此刻充满诗意，那么目前的状况就像是在改写柯勒律治的诗歌《古舟子咏》中古代水手的困境，“书，书，到处都是书，却不知道该学哪本”。在这本书中，我想要强调以下几个问题：
需要一本专注于研究或应用背景下使用和理解统计的书，不是一堆分散的数学方法，而是对数字进行推理过程的一部分。
需要把测量以及数据处理这些问题的讨论纳入到统计学的介绍中。
需要一本不局限于某个学科领域的统计学书籍。在不同的学科领域，大部分基本的统计方法是一样的（不管数据是来自医学领域、金融领域还是刑事审判领域，t检验都是一样的），因此没有必要出版一大堆大同小异的书籍。
需要一本介绍性的统计学书籍，内容紧凑、价格便宜而且易于初学者理解，初学者既不会觉得高深莫测，也不会觉得过于简单。
因此哪些人会是本书的潜在读者呢？我重点强调以下三类人：
在高中、专科院校或者大学本科选修初级统计学课程的学生。
因为目前工作需要或者升职需要而学习统计的成年人。
出于求知欲而想学习统计的人。
尽管本书介绍了许多统计方法，但本书重点不是具体的统计方法，而是统计推理。你可能会说相比于做统计，这本书更关注的是如何按照统计的思维思考。这是什么意思呢？在用数据进行思考的过程中必须要做到几件事情。尤其是，我强调对数据进行思考，在这个过程中辅以统计方法。大部分章节都有一些实际应用的例子，但这些例子旨在提供一个回顾该章内容以及思考该章重要概念的机会，其目的并不是盲目地计算。
第2版对第1版中的所有例子进行了修订，大部分章节还补充了新的例子和练习。尤其增加了一些处理比例数据的例子，还增加了更多实际数据的例子，这些实际数据来源于联合国人类发展项目和行为风险因素监测系统等；所有数据集都可以免费从网上下载，因此学生可以用这些数据进行分析，也可以再现本书的分析。本版还增加了一章新内容，即第19章。增加这一章的原因是我观察到，尤其是对于出于职业目的而学习统计的人来说，交流统计信息的能力至少和进行统计计算的能力一样重要。还增加了一些新的附录，主要是为了使这本书更加完备和友好。这些附录包括常见分布的概率表、在线资源的列表、术语表和统计学符号表。
信息时代的统计
我们生活在一个信息时代——这样的说法变得越来越时髦，在信息时代，太多的事实在不断地被收集和散布，导致没有人可以与时俱进。虽然这是陈词滥调，但却是以事实为基础；作为一个社会整体，我们总是被淹没在数据中，并且问题似乎越来越多。这种情况对我们来说既有正面影响，又有负面影响。从正面角度来看，计算机技术、电子数据存储技术的发展和传播使得获取信息越来越容易，因此研究人员并不需要去图书馆或者复印这些资料。
然而，数据本身并没有任何意义。在数据变得有意义之前，需要人来组织、解释这些数据，因此，置身信息时代要求人们要熟练地理解数据，包括数据的收集方式、分析方式和解释方式。并且由于需要支持不同的结论，同样的数据常常用许多不同的方式来解释，所以即使是不从事统计工作的人，也需要理解统计是如何起作用的，以及如何识别基于数据误用的虚假结论。
本书的组织结构
本书分为四部分：介绍部分（第1~4章）是后续章节的重要基础；推断统计（第5~13章）；不同专业领域使用的特定统计方法（第14~16章）；统计工作的部分辅助性知识，即使它们看起来并不是严格的统计（第17~20章）。
以下是各章节的内容简介：
第1章，测量的基本概念
讨论统计学的基本问题，包括测量水平、操作化、代理测量、随机误差和系统误差、信度和效度以及偏倚的种类。
第2章，概率
介绍概率的基础知识，包括试验、事件、独立性、互斥性、加法定律和乘法定律、排列和组合、条件概率和贝叶斯定理。
第3章，推断统计
介绍推断统计的基本概念，包括概率分布、自变量和因变量、总体和样本、常用抽样方法、中心极限定理、假设检验、第一类错误和第二类错误、置信区间和p值以及数据变换。
第4章，描述统计和统计图
介绍集中趋势和离散程度的常用测量方法，包括均值、中位数、众数、极差、四分位距、方差和标准差，并讨论了离群点。这一章还介绍了一些常用于展示统计数据的图示法，包括频数表、条形图、饼图、帕累托图、茎叶图、箱型图、直方图、散点图和折线图。
第5章，分类数据分析
复习分类数据和定距数据的概念，介绍了R×C列联表。该章涉及的统计方法包括卡方独立性检验、卡方等比例检验、卡方拟合优度检验、费希尔精确检验、McNemar检验、大样本比例检验以及分类数据与顺序数据关联性度量。
第6章，t检验
讨论t分布以及单样本t检验、两个独立样本t检验、重复观测样本t检验以及异方差t检验的理论和应用。
第7章，Pearson相关系数
介绍相关性的概念，并介绍展示两个变量不同强度相关性的图形技术，讨论皮尔逊相关系数和判定系数。
第8章，回归分析和方差分析导论
介绍与线性回归和单因素方差分析相关的广义线性模型的概念，并讨论了使用这种方法的前提假设。该章介绍了简单回归（两个变量）、单因素方差分析和事后检验等方法。
第9章，多因素方差分析和协方差分析
讨论更加复杂的方差分析设计，包括双因素方差分析、三因素方差分析和协方差分析，还讨论交互项。
第10章，多元线性回归
将线性模型扩展到多元情况，模型中包含多个预测因子。该章讨论的内容包括预测变量间的关系、标准化和非标准化系数、哑变量、建模方法和违背线性模型假设的情况（包括非线性、自相关和异方差）。
第11章，Logistic回归、多项Logistic回归和多项式回归
把回归模型扩展到二元输出变量（Logistic回归）、分类输出变量（多项回归）以及非线性模型（多项式回归）上，并且讨论模型的过拟合问题。
第12章，因子分析、聚类分析和判别函数分析
讨论三种高级统计方法：因子分析、聚类分析和判别函数分析，并且讨论不同方法适用的问题类型。
第13章，非参数统计
讨论何时用非参数统计而不用参数统计，以及非参数统计的组间设计和组内设计，包括Wilcoxon秩和、Mann-Whitney U检验、符号检验、中位数检验、Kruskal-Wallis H检验、 Wilcoxon符号秩检验和Friedman检验。
第14章，商业和质量改进统计
介绍商业和质量提高领域常用的统计方法。该章包含的分析方法和统计方法包括指数，时间序列，大中取小、大中取大和小中取大的决策方法，风险下的决策方法，决策树和控制图。
第15章，医学和流行病学统计
介绍跟医学和流行病学相关的基本概念和统计方法。该章涉及的概念和统计方法包括比、比例和比率的定义和应用，患病率和发病率的度量，粗比率和标准比率，直接标准化和间接标准化，风险的度量，混淆，简单优势比和Mantel-Haenszel优势比，精度、势和样本量的计算。
第16章，教育和心理统计
介绍教育和心理学领域常用的概念和统计方法。该章的内容包括百分比，标准化得分，检验的构造方法，经典测量理论，混合测量的信度，内部一致性的度量（包括alpha系数）以及题目分析方法。该章还简要介绍了题目反应理论。
第17章，数据管理
讨论数据处理的实际问题，包括编码本、分析单元、解决现有文件问题的方法、电子数据存储方法、字符串数据和数值数据以及缺失数据。
第18章，研究设计
讨论观察研究和实验研究、好的研究设计所具备的基本要素、数据收集的步骤、效度的类型以及限制或者消除偏倚影响的方法。
第19章，用统计交流
该章覆盖了用统计跟不同读者或者观众交流时的一般性问题，然后提供为专业期刊、大众出版物和职场写文章的详细建议。
第20章，统计评论
提供统计应用的评审指南，包括评审任何统计报告时要问的问题核查表以及可能出现的正当统计方法支持有问题结论的一些例子。
6个附录涵盖了与本书正文有关的背景材料，并给出可作为补充阅读的参考书目：
附录A，基本数学知识
为那些已忘记数学基本内容的人提供一些用于自测和复习的基础数学知识和代数知识。内容包括运算法则、指数、根和对数、解方程和方程组的方法、分数、阶乘、排列和组合。
附录B，统计软件包简介
介绍统计应用中最常用的几种软件包，展示每种软件的基本分析功能，讨论它们的相对优缺点。主要介绍的软件包括Minitab、SPSS、SAS和R；还讨论使用Microsoft Excel（并不是一个专业的统计软件）进行统计分析。
附录C，参考文献
按照本书章节顺序编排的参考文献，包括文中引用的出版文献和网站以及其他一些可作为研究某个特定主题的很好起点的文献。
附录D，常见分布的概率表
包括常见统计分布的概率表——正态分布、t分布、二项分布和卡方分布以及这些表的使用说明。即使在计算机和互联网时代，还是有必要知道读分布表的方法，这些表的打印版非常容易取得。
附录E，在线资源
一个资料目录，列出对学习、使用和教统计的人来说有帮助的网址。这个附录的内容包括综合资源、词汇表、概率表、在线计算器和在线教科书。
附录F，统计术语表
包括希腊字母表（很多统计初学者的克星）、统计符号表以及本书用到的主要统计术语。
本书是一个工具，可以适应不同读者的背景和需要。有些章节覆盖的内容在很多介绍性的统计学书籍中都是直接跳过的，但我认为这些内容是非常重要的。这些内容包括数据处理、撰写统计文章以及阅读其他人写的统计文章。对于那些突然被安排去管理项目数据的人或者那些被指派去做一个关于他所在团队工作的统计演示文稿的人来说，这些内容都是非常有用的参考。并且，这两种情况都时常发生。
初等统计学和高等统计学的划分取决于读者的背景和目的。我写这本书是为了满足多种读者的需要。因此，并没有一种组织内容的完美方法可以满足所有读者的需要，这告诉我们重要的一点：没必要按照本书的章节顺序来读这本书。统计学通常有许多先有鸡还是先有蛋这样的难题。例如，在不知道可以使用哪种统计量的时候，你无法设计实验，但如果不知道研究是怎么设计的，你就无法理解统计量是如何应用的。同样，让一个有统计分析经验的人去处理数据似乎是合乎逻辑的，但我见过许多在没有完成一门统计学课程时就去管理大规模数据集的研究助理和项目经理。因此你应该根据自己的目的来使用这本书，也不要介意略过一些章节内容而重点阅读符合你特定需求的章节。
本书并不是所有内容都跟每个人相关；尤其是第14~16章的内容，要记住，这是为某些特定的学科领域（分别为商业和质量提高、医学和流行病学、教育和心理学）而撰写的内容。然而，对于你需要学习的统计学知识保持一个开放的头脑总是一个明智的做法。你现在可能觉得永远不需要做一个非参数检验或者一个Logistic回归分析，但你永远不知道将来会处理什么。按照学科领域来划分也是错误的，因为统计分析最终还是分析数据而不是内容，一个领域产生的方法常常被证明在另一个领域也很有用。例如，控制图（见第14章）是在制造业中产生的方法，但在从医学到教育学的许多其他领域都有应用，尽管几率比（见第15章）是在流行病学领域产生的方法，但现在已应用在所有种类的数据上。
本书使用的约定
下面是本书使用的排版风格：
纯文本
表示菜单标题、菜单选项、按钮和快捷键（比如Alt和Ctrl）。
楷体或斜体
表示新术语、URL、E-mail地址、文件名、文件扩展名、路径名、目录和UNIX工具。
注意： 提示、建议或一般的注意事项。
警告： 表示警告或警示。
使用代码示例
本书的目的是帮助你完成工作。通常来说，你可能需要在你的程序和文档中使用这本书的代码。你并不需要经过我们的许可，除非你复制了本书很大一部分代码。例如，使用本书小部分代码写一个程序并不需要经过我们的许可。但出售或者散布O'Reilly书中例子的CD-ROM则需要经过许可。引用本书内容或者示例代码并不需要经过许可。但把这本书大部分示例代码放到你的产品文档中确实需要经过许可。
我们感谢注明出处，但并不强制要求。引用出处通常包括书名、作者、出版社和ISBN。例如：“Statistics in a Nutshell by Sarah Boslaugh（O扲eilly）. Copyright 2013 Sarah Boslaugh, 978-1-449-31682-2.”
如果你觉得对示例代码的使用超出了合理范围或者超过了上述许可，请通过邮箱permissions@oreilly.com随时与我们联系。
Safari 在线图书
Safari在线图书（www.safaribooksonline.com）是一个需求式数字图书馆，它提供在技术和商业领域位于世界领先地位的作者的专业内容，这些内容既有书的形式，又有视频的形式。
专业技术人员、软件开发人员、网页设计师和商业创意专业人士使用Safari在线图书作为他们研究、解决问题，学习和认证培训的主要资源。Safari在线图书面向组织、政府机构和个人提供一系列产品以及收费项目。订阅用户可以在一个可搜索的数据库中获得成千上万的书籍、培训视频以及正式出版前的手稿，这个数据库包含以下出版商的出版物：O扲eilly Media、Prentice Hall Professional、Addison-Wesley Professional、Microsoft Press、Sams、Que、Peachpit Press、Focal Press、Cisco Press、John Wiley & Sons、Syngress、Morgan Kaufmann、IBM Redbooks、Packt、Adobe Press、FT Press、Apress、Manning、New Riders、McGraw-Hill、Jones& Bartlett、Course Technology，在http://www.safaribooksonline.com/publishers上可找到更多的出版商。关于Safari在线图书的更多信息，请访问我们的网站：http://www.safaribooksonline.com/。
如何联系我们
与本书有关的评论和问题，请联系出版商：
美国：
O’Reilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中国：
北京市西城区西直门南大街2号成铭大厦C座807室（100035）
奥莱利技术咨询（北京）有限公司
本书有一个网页，在上面列出了勘误表、例子和其他额外信息。您可以访问这个页面：http://oreil.ly/stats-nutshell。
评论或者询问有关本书的技术性问题，请发送邮件至：bookquestions@oreilly.com。
关于我们的书籍、课程、会议和新闻的更多信息，请参阅网站：http://www.oreilly.com。
在Facebook上找到我们：http://facebook.com/oreilly
在Twitter上关注我们：http://twitter.com/oreillymedia
在YouTube上看到我们：http://www.youtube.com/oreillymedia
致谢
本书封面只列出一位作者的名字，但很多人都为这本书的编写作出了重要贡献。
我要感谢我的经纪人，Neil Salkind，感谢他一直的指导和支持；感谢O扲eilly的所有工作人员，包括Mary Treseler、Sarah Schneider和Meghan Blanchette；以及所有帮助审阅书稿的统计学家。感谢一直要我向他们解释统计概念的非统计的朋友，从而鼓励我写这本书。感谢在修改书稿期间，肯尼索州立大学新闻中心同事们的忍耐和宽容。就个人而言，我要感谢圣路易斯华盛顿大学的前同事Rand Ross，因为他帮助我在第1版的写作过程中保持理智，我还要感谢我的丈夫Dan Peck，他是给予帮助和支持的模范伴侣。
数学\统计学
你的工作需要学习统计学吗？想要通过统计学课程考试吗？对于所有统计初学者而言，本书都是清晰简明的入门级参考书。第2版经过了修订和扩充，有助于你更加深刻地理解统计学，而且它不像大学教课书那样复杂。
每一章都有浅显易懂的描述，还有图形、公式、例子和动手练习。如果你想实现常用的统计分析方法，并且量力而行地学习更多的统计方法，那么这本书就就是你所需要的。
●了解测量、概率论、数据处理和实验设计的基本概念
●探索基本统计方法，包括相关性、t检验、卡方检验、费希尔精确检验，以及非参的数据分析方法
●了解基于广义线性模型的高等统计方法，包括ANOVA、ANCOVA、多元线性回归和Logistic回归
●商务、质量改进、医疗卫生、教育和心理学领域利用和解释统计
●学会用统计交流，评论别人展示的统计信息
[美]萨拉·博斯劳（Sarah Boslaugh） 著：Sarah Boslaugh，博士，公共卫生学硕士，在肯尼索州立大学从事统计学和计算机程序20余年。著有《An Intermediate Guide to SPSS Programming》(Sage)， 《Secondary Data Sources for Public Health》(Cambridge University Press)，《Statistics in a Nutshell》（第1版：O’Relly），并且是《The Encyclopedia of Epidemiology》（Sage）的编辑。
孙怡帆 等译：暂无简介
很高兴有机会可以翻译 Sarah Boslaugh的这本著作。说起统计这个词，绝大多数人都不会觉得陌生，但如果要描绘一下统计在你心中的样子，恐怕就有多种多样的答案了。许多人对统计的第一直觉就是常在新闻联播和门户网站中出现的各种数据，例如GDP、房价、PM2.5。一些接触过统计，甚至曾上过统计课程的人则会对统计中各种分析数据的方法印象深刻，在他们看来，统计更像一个工具箱。而对统计有过较为深入思考或者从事统计相关领域的专业人士则倾向于视统计为使用数学方法描述、分析数据并以此做出决策的研究领域，本书作者就是其中一员。
正是基于这一观点，本书将重点放在使用尤其是理解统计上，而非其中涉及的繁琐数学推导。事实上，正如本书作者在前言中所讲，“本书更希望告诉读者的是统计思维而非如何做统计”。由此，对于那些希望更多了解统计本身而非方法细节的人，本书是一个很好的选择。本书另一大特点是加入若干章来介绍统计在商业、医学、教育等几个具体领域中的应用，这将非常有利于统计初学者更为全面地了解统计。此外，本书作者基于个人从事统计教学和研究的多年经验为初学者如何用统计与他人沟通，以及如何正确评价他人提供的统计信息给出了很多中肯的建议。这些内容对从事统计的教学工作者具有极强的指导和借鉴意义。
感谢本书的所有译者，包括孙怡帆（第1、3、4、16章以及全书审稿和校对工作）、颜娅婷（第2、5~9、17~20章）和扈瑞鹏（第10~15章以及所有附录）。
由于译者水平有限，书中难免不妥之处，请读者不吝赐教。
译者
2015年11月
前言 1
第1章 测量的基本概念 11
测量 12
测量水平 12
真实分数和误差分数 18
信度和效度 19
测量偏倚 23
练习 26
第2章 概率 29
关于公式 30
基本概念 31
概率的定义 37
贝叶斯定理 41
统计方法 44
练习 45
第3章 推断统计 52
概率分布 53
自变量和因变量 60
总体和样本 61
中心极限定理 65
假设检验 70
置信区间 73
p值 74
Z统计量 75
数据变换 77
练习 80
第4章 描述统计和统计图 87
总体和样本 87
集中趋势测度 88
离散测度 94
离群点 99
图示法 100
条形图 103
双变量图 113
练习 120
第5章 分类数据分析 124
R×C列联表 125
卡方分布 128
卡方检验 129
费希尔精确检验 135
McNemar配对检验 137
比例：大样本情况 139
分类数据的相关性 141
李克特量表与语义差异量表 148
练习 150
第6章 t检验 157
t分布 157
单样本t检验 159
重复观测样本t检验 165
异方差t检验 168
练习 169
第7章 Pearson相关系数 173
相关性 173
散点图 174
Pearson相关系数 181
判定系数 187
练习 187
第8章 回归分析和方差分析导论 192
广义线性模型 192
线性回归 194
方差分析 204
手算简单的回归分析 209
练习 212
第9章 多因素方差分析和协方差分析 220
多因素方差分析 220
协方差分析 229
练习 235
第10章 多元线性回归 240
多元线性回归模型 240
练习 262
第11章 Logistic回归、多项Logistic回归和多项式回归 267
Logistic回归 267
多项Logistic回归 273
多项式回归 275
过拟合 278
练习 280
第12章 因子分析、聚类分析和判别函数分析 283
因子分析 283
聚类分析 290
判别函数分析 293
练习 296
第13章 非参数统计 297
组间设计 298
组内设计 306
练习 311
第14章 商业和质量改进统计 314
指数 314
时间序列 319
决策分析 323
质量改进 327
练习 334
第15章 医学和流行病学统计 339
发病频率的测量 339
比、比例和比率 339
患病率和发病率 342
粗比率、特定类别比率和标准比率 345
风险比 349
几率比 354
混淆、分层分析和Mantel-Haenszel常见几率比 358
势分析 362
样本量的计算 364
练习 367
第16章 教育和心理统计 371
百分位 372
标准化得分 373
测验编制 376
经典测验理论：真分数模型 379
综合考试的信度 380
内部一致性测度 381
题目分析 385
题目反应理论 388
练习 392
第17章 数据管理 394
一个方法，而不是一堆诀窍 395
管理系统 396
码本 396
矩形数据文件 398
电子表格和关系数据库 400
检查新的数据文件 401
字符串数据和数值数据 404
缺失数据 405
第18章 研究设计 407
研究设计基础 407
观察研究 410
拟试验研究 412
试验研究 417
收集试验数据 418
试验设计的例子 427
第19章 用统计交流 429
一般的注意事项 429
第20章 统计评论 436
评价整篇文章 436
统计的误用 437
常见问题 438
快速核查表 440
研究设计中的问题 442
描述统计 444
推断统计 448
附录A 基本数学知识 451
附录B 统计软件包简介 477
附录C 参考文献 491
附录D 常见分布的概率表 505
附录E 在线资源 517
附录F 统计术语表 521
