本书是美国辛辛那提大学的安德森、斯威尼教授和罗切斯特理工学院的威廉斯教授再度合作的结晶。本版在保留了以前版本的叙事风格和可读性的基础上，对内容进行了一定的修订，对个别章节做了更为合理的调整，并更新一定数量的习题。
　 应用性强是本书的最大特色。作者精心设计了“方法”、“应用”和“自测题”三种题型，并设计了起提示、总结和建议作用的“注释”，这些都体现出本书的实用特色。

本书广泛流行于全球许多国家高校，并被誉为最经典的商务统计学教材。该书1998年引入中国，至今已出版至第11版，十多年间因其应用性、趣味性和可读性得到了国内众多高校师生的推崇和喜爱，成为指定教材和必读参考书。
本书穿插了丰富翔实、鲜活生动的案例和大量习题，也介绍了Minitab与 Excel软件在统计学中的应用，以及在光盘中提供了数据集，既为读者深入领会统计概念提供了最有效的工具，也方便了读者的理解和学习。另外，应用性强是本书的最大特色，作者精心设计了“方法”、“应用”和“自测题”三种题型，并设计了起提示、总结和建议作用的“注释”，这些都体现出本书的实用特色。

《商务与经济统计》主要是向学生，特别是向那些工商管理和经济学研究领域的学生概念性地介绍统计学及其各种应用方面的知识。本书是以应用为导向，并考虑到非数学专业人员的需要而编写的；所需要的必备数学基础为代数知识。
　　数据分析与统计方法的应用是本书的结构及讲述内容的一个不可或缺的部分。每种方法的讨论与发展都通过应用呈现出来，并运用统计结果进行问题的决策和解答。
　　尽管本书以应用为导向，但我们还是谨慎地给出了合理的方法推导过程，并且运用了所涉及论题通常所使用的符号。因此，同学们将会发现，本书为学习高级统计学打下了坚实的基础。附录A中包括了指导进一步学习的参考书目。
　　本书向学生介绍Minitab与Microsoft Excel软件的应用，并强调在统计分析应用中计算机软件的作用。之所以介绍Minitab，是因为在教学和统计实践中它都是最主要的统计软件之一；Excel虽然不是统计软件，但它的广泛实用性和应用性，使得学生了解这个软件的统计性能变得很重要。Minitab和Excel的使用会在各章附录中介绍，在强调计算机应用的授课中，教师可灵活使用。
第11版的变化
　　我们对《商务与经济统计》以前版本得到的认可与积极的反应表示感谢。因此，在这次新版修订时，我们保留了以前版本的叙述风格与可读性。新版中的显著变化汇总如下。
内容修订
　　以下各条汇总了新版中的部分修订内容：
　　p-值在以前的版本中，我们强调了作为假设检验首选方法的p-值的应用，在新版中，我们继续这种方法。但是，我们通过简单的概念性定义向学生简要介绍p-值，我们现在定义“p-值是一个概率值，它衡量样本对原假设的支持程度。p-值越小，说明对原假设的支持程度越低”。在这个概念性定义之后，我们给出了操作性定义，使得如何计算下侧检验、上侧检验和双侧检验的p-值更为清晰。根据我们的经验，区分概念性定义和操作性定义，对学生掌握难新知识是很有帮助的。
　　计算p-值的Minitab和Excel步骤本版新增了附录E与附录F，它演示如何利用Minitab和Excel计算与z、t、2和F检验统计量相关的p-值。对于用手工方法计算检验统计量值的学生，我们演示如何利用统计表得到p-值的范围；对于这些学生，附录F给出了利用Minitab和Excel计算精确p-值的方法。该附录对涉及第9～16章的假设检验是很有帮助的。
　　累积标准正态分布表在新版中我们使用累积标准正态分布表，对大多数使用者来说可能感到吃惊。促使我们这个改变的原因是我们相信在强调现代计算机软件的环境下，越来越多的学生和专业人员用相同的方式使用统计的趋势正在上升。在统计学历史上，该表被广泛地使用，因为它是关于正态分布的唯一信息来源。但是，许多今天的学生准备并愿意学习计算机软件在统计中的应用。学生们将会发现事实上每个计算机软件都使用累积标准正态分布。因此，介绍使用标准正态分布表的统计教材将变得越来越重要，该表与学生利用统计软件时所看到的结果相一致。在教材中描述标准正态分布表的一种形式，然后利用统计软件用不同类型的标准正态分布计算将不再遥远。总的来说，对第一次使用累积标准正态分布表的人来说，它减少了正态概率的计算。实践中，累积标准正态分布表使计算假设检验的p-值变得更为简单。
　　实验设计和方差分析本版的第13章以介绍实验设计的概念开始，相关内容将被删减。内容包括完全随机化设计、随机化区组设计和析因实验。方差分析作为分析这些实验的主要技术方法而被介绍。对于观测性研究，我们也演示了所使用的方差分析步骤。
　　其他内容修订下面是新版中其他内容的修订：
　　 在第1章中给出了时间序列数据的新例题。
　　 第2章的Excel附录中对如何构建数量型数据的频数分布和直方图给出了更完整的说明。
　　 修订了关于必要样本容量的指导方针，使t分布的用法与第8～10章中给出的t分布的用法相一致。
以实际数据为基础的新的例题与练习
　　本版增加了近200道新例题和练习，这些例题和练习是以实际数据和近来的统计信息资料为基础的。利用《华尔街日报》（The Wall Street Journal）、《今日美国》（USA Today）、《财富》（Fortune）、《巴伦》（Barron抯）以及一系列其他资料来源，我们进行了实际研究，以说明并创建练习来演示商务与经济统计的多种应用。我们相信，实际数据的使用可使更多的学生对统计资料产生兴趣，并使学生既学习统计方法，又学习其应用。本书的第11版包含近350道以实际数据为基础的例题和练习。
新案例
　　本版增加了6个新案例，使得书中的案例总数达到31个。这些新案例出现在描述统计学、区间估计和回归等章节中。这些案例为学生提供了分析较大数据集并以分析结果为基础准备管理报告的机会。
特色与教学
　　我们继续保留了以前版本中的许多特点，对学生来说重要的特点说明如下。
实践中的统计
　　每章都以一篇“实践中的统计”的文章开始，这些文章描述了该章将要介绍的统计方法的实际应用。本版中新增了一些实践中的统计的相关文章。
方法练习与应用练习
　　每节后的练习分成两部分，即“方法”和“应用”。方法练习要求学生利用公式进行必要的计算。应用练习要求学生利用书中的实际资料。这样，学生首先把注意力集中在“基本问题”的计算上，然后再转向精巧的统计应用与解释上。
自测练习
　　某些练习作为自测题出现。部分自测题的完整解答在书后的附录D中给出，学生们可试着做自测题并可以立即核对答案，以便评价你对书中各章讲述的概念的理解程度。
本书附带的数据文件
　　随书附带的光盘上有200多个数据文件。这些数据可以在Minitab与Excel软件上使用。书中数据集的标识与光盘中数据集的标识是一致的。所有案例的数据集和较大练习的数据集都存储在光盘上。
感谢
　　特别感谢为我们提供“实践中的统计”特色文章的工商业界合作者，我们通过每一篇文章的来源附注认识了他们中的每个人。

戴维 R. 安德森（David R. Anderson）
丹尼斯 J. 斯威尼（Dennis J. Sweeney）
托马斯 A. 威廉斯（Thomas A. Williams）

出版说明
导读
译注者简介
作者简介
前言
第1章数据与统计资料 1
实践中的统计：商业周刊 2
1.2数据 3
1.2.1个体、变量和观测值 3
1.2.2测量尺度 4
1.2.3品质型数据和数量型数据 5
1.2.4截面数据和时间序列数据 6
1.3数据来源 8
1.3.1已存在来源 8
1.3.2统计研究 9
1.3.3数据搜集误差 11
1.4描述统计学 12
1.5统计推断 14
1.6计算机与统计分析 16
总结 16
关键术语 16
练习 17
第2章描述统计学I：表格法和图形法 25
实践中的统计：高露洁—棕榄公司 26
2.1品质型数据汇总 27
2.1.1频数分布 27
2.1.2相对频数分布和百分数频数分布 28
2.1.3条形图和饼形图 28
2.2数量型数据汇总 33
2.2.1频数分布 33
2.2.2相对频数分布和百分数频数分布 34
2.2.3打点图 35
2.2.4直方图 35
2.2.5累积分布 36
2.2.6累积曲线 38
2.4交叉分组表和散点图 42
2.4.1交叉分组表 42
2.4.2辛普森悖论 45
2.4.3散点图和趋势线 46
总结 51
关键术语 53
重要公式 54
补充练习 54
案例2-1Pelican商店 60
案例2-2电影行业 61
附录2A在表格和图形描述中使用Minitab 62
附录2B在表格和图形描述中使用Excel 64
第3章描述统计学II：数值方法 75
实践中的统计：Small Fry Design公司 76
3.1位置的度量 77
3.1.1平均数 77
3.1.2中位数 78
3.1.3众数 80
3.1.4百分位数 80
3.1.5四分位数 81
3.2变异程度的度量 85
3.2.1极差 86
3.2.2四分位数间距 86
3.2.3方差 87
3.2.4标准差 89
3.2.5标准差系数 89
3.3分布形态、相对位置的度量以及异常值的检测 92
3.3.1分布形态 92
3.3.2z-分数 93
3.3.3切比雪夫定理 94
3.3.4经验法则 95
3.3.5异常值的检测 96
3.4探索性数据分析 99
3.4.1五数概括法 99
3.4.2箱形图 100
3.5两变量间关系的度量 104
3.5.1协方差 104
3.5.2协方差的解释 106
3.5.3相关系数 108
3.5.4样本相关系数的解释 109
3.6加权平均数和使用分组数据 113
3.6.1加权平均数 113
3.6.2分组数据 114
总结 118
关键术语 119
重要公式 120
补充练习 122
案例3-1Pelican商店 126
案例3-2电影行业 127
案例3-3亚太地区的商学院 127
附录3A利用Minitab计算描述统计量 129
附录3B利用Excel计算描述统计量 131
第7章抽样和抽样分布 135
实践中的统计：MeadWestvaco有限公司 136
7.1Electronics Associates公司的抽样问题 137
7.2简单随机抽样 138
7.2.1自有限总体的抽样 138
7.2.2自无限总体的抽样 139
7.3点估计 142
7.4抽样分布简介 145
7.5-x的抽样分布 148
7.5.1-x的数学期望 148
7.5.2-x的标准差 149
7.5.3-x的抽样分布的形态 150
7.5.4EAI问题中-x的抽样分布 152
7.5.5-x的抽样分布的实际值 152
7.5.6样本容量与-x的抽样分布的关系 154
7.6-p的抽样分布 158
7.6.1-p的数学期望 158
7.6.2-p的标准差 159
7.6.3-p的抽样分布的形式 159
7.6.4-p的抽样分布的实际值 160
7.7点估计的性质 163
7.7.1无偏性 164
7.7.2有效性 165
7.7.3一致性 165
总结 166
关键术语 166
重要公式 167
补充练习 168
附录7A-x的数学期望和标准差 170
附录7B利用Minitab进行随机抽样 172
附录7C利用Excel进行随机抽样 173
第8章区间估计 175
实践中的统计：Food Lion 176
8.1总体均值的区间估计：已知的情形 177
8.1.1边际误差和区间估计 177
8.1.2应用中的建议 181
8.2总体均值的区间估计：未知的情形 183
8.2.1边际误差和区间估计 184
8.2.2应用中的建议 187
8.2.3利用小样本 187
8.2.4区间估计程序的小结 189
8.3样本容量的确定 192
8.4总体比率的区间估计 195
样本容量的确定 197
总结 200
关键术语 201
重要公式 202
补充练习 202
案例8-1Young Professional 杂志 205
案例8-2Gulf Real Estate Properties公司 206
案例8-3Metropolitan Research有限公司 208
附录8A用Minitab求置信区间估计 208
附录8B用Excel求区间估计 210
第9章假设检验 214
实践中的统计：John Morrell有限公司 215
9.1原假设和备择假设的建立 216
9.1.1检验研究中的假设 216
9.1.2对某项声明的有效性所进行的检验 216
9.1.3决策中的假设检验 217
9.1.4关于原假设和备择假设形式的小结 217
9.2第一类错误和第二类错误 218
9.3总体均值的检验：已知 221
9.3.1单侧检验 221
9.3.2双侧检验 227
9.3.3小结与应用中的建议 230
9.3.4区间估计与假设检验的关系 231
9.4总体均值：未知的情形 235
9.4.1单侧检验 236
9.4.2双侧检验 237
9.4.3小结与应用中的建议 238
9.5总体比率 241
小结 244
9.6假设检验及决策 246
9.7计算第二类错误的概率 247
总结 252
关键术语 253
重要公式 253
补充练习 254
案例9-1Quality Associates有限公司 257
案例9-2失业问题研究 258
附录9A用Minitab进行假设检验 259
附录9B用Excel进行假设检验 260
第10章两总体均值和比例的统计推断 265
实践中的统计：美国食品与药品管理局 266
10.1两总体均值之差的推断：1和2已知 267
10.1.1?-?的区间估计 267
10.1.2?-?的假设检验 269
10.1.3实践建议 271
10.2两总体均值之差的推断：1和1未知 274
10.2.1?-?的区间估计 274
10.2.2?-?的假设检验 275
10.2.3实践建议 278
10.3两总体均值之差的推断：匹配样本 282
10.4两总体比例之差的推断 288
10.4.1p1-p2的区间估计 288
10.4.2关于p1-p2的假设检验 290
总结 295
关键术语 295
重要公式 296
补充练习 297
案例10-1Par公司 300
附录10A用Minitab进行两个总体的推断 301
附录10B用Excel进行两个总体的推断 303
第11章关于总体方差的统计推断 306
实践中的统计：美国会计总署 307
11.1关于一个总体方差的统计推断 308
11.1.1区间估计 308
11.1.2假设检验 312
11.2关于两个总体方差的统计推断 317
总结 324
重要公式 324
补充练习 325
案例11-1空军训练计划 326
附录11A用Minitab计算总体方差 327
附录11B用Excel计算总体方差 328
第12章拟合优度检验和独立性检验 329
实践中的统计：United Way 330
12.1拟合优度检验：多项总体 331
12.2独立性检验 336
12.3拟合优度检验：泊松分布与正态分布 344
12.3.1泊松分布 344
12.3.2正态分布 348
总结 353
关键术语 353
重要公式 353
补充练习 354
案例12-1两党议程变更 357
附录12A用Minitab进行拟合优度检验与独立性检验 358
附录12B用Excel进行拟合优度检验与独立性检验 359
第13章实验设计与方差分析 362
实践中的统计：Burke市场营销服务公司 363
13.1实验设计和方差分析初步 364
13.1.1数据收集 365
13.1.2方差分析的假定 366
13.1.3问题的一般提法 366
13.2方差分析和完全随机化设计 369
13.2.1总体方差的处理间估计 370
13.2.2总体方差的处理内估计 371
13.2.3方差估计量的比较：F检验 372
13.2.4ANOVA表 374
13.2.5方差分析的计算结果 375
13.2.6检验k个总体均值的相等性：一项观测性研究 376
13.3多重比较方法 380
13.3.1Fisher的LSD方法 380
13.3.2第一类错误概率 383
13.4随机化区组设计 386
13.4.1空中交通管理员工作压力测试 387
13.4.2ANOVA方法 388
13.4.3计算与结论 389
13.5析因实验 393
13.5.1ANOVA方法 395
13.5.2计算与结论 395
总结 401
关键术语 401
重要公式 402
补充练习 404
案例13-1Wentworth医疗中心 408
案例13-2职业推销员的回报 409
附录13A使用Minitab进行方差分析 410
附录13B使用Excel进行方差分析 411
第14章简单线性回归 415
实践中的统计：联合数据系统公司 416
14.1简单线性回归模型 417
14.1.1回归模型和回归方程 417
14.1.2估计的回归方程 418
14.2最小二乘法 420
14.3判定系数 431
相关系数 434
14.4模型的假定 438
14.5显著性检验 440
14.5.12的估计 440
14.5.2t检验 441
14.5.31的置信区间 442
14.5.4F检验 443
14.5.5关于显著性检验解释的几点注意 445
14.6应用估计的回归方程进行估计和预测 449
14.6.1点估计 449
14.6.2区间估计 449
14.6.3y平均值的置信区间 450
14.6.4y的一个个别值的预测区间 451
14.7计算机解法 455
14.8残差分析：证实模型假定 460
14.8.1关于x的残差图 461
14.8.2关于-y的残差图 462
14.8.3标准化残差 462
14.8.4正态概率图 465
14.9残差分析：异常值和有影响的观测值 469
14.9.1检测异常值 469
14.9.2检测有影响的观测值 471
总结 476
关键术语 477
重要公式 478
补充练习 480
案例14-1测量股市风险 486
案例14-2美国交通部 487
案例14-3校友捐赠 488
案例14-4美国职业棒球联盟球队的价值 488
附录14A最小二乘公式的推导 490
附录14B利用相关系数的显著性检验 491
附录14C利用Minitab进行回归分析 492
附录14D利用Excel进行回归分析 493
第15章多元回归 496
实践中的统计：国际纸业公司 497
15.1多元回归模型 498
15.1.1回归模型和回归方程 498
15.1.2估计的多元回归方程 498
15.2最小二乘法 499
15.2.1一个例子：巴特勒运输公司 500
15.2.2关于回归系数解释的注释 502
15.3多元判定系数 508
15.4模型的假定 511
15.5显著性检验 512
15.5.1F检验 512
15.5.2t检验 515
15.5.3多重共线性 516
15.6利用估计的回归方程进行估计和预测 519
15.7定性自变量 521
15.7.1一个例子：约翰逊过滤水股份公司 521
15.7.2解释参数 523
15.7.3更复杂的定性变量 525
15.8残差分析 530
15.8.1检测异常值 531
15.8.2学生化删除残差和异常值 532
15.8.3有影响的观测值 533
15.8.4利用库克距离测度识别有影响的观测值 533
15.9logistic回归 537
15.9.1logistic回归方程 538
15.9.2估计logistic回归方程 539
15.9.3显著性检验 541
15.9.4管理上的应用 541
15.9.5解释logistic回归方程 542
15.9.6对数机会比（logit）变换 544
总结 548
关键术语 549
重要公式 550
补充练习 552
案例15-1消费者调查股份有限公司 557
案例15-2预测学生综合测验成绩 558
案例15-3校友捐赠 559
案例15-4预测全美橄榄球大联盟的获胜率 561
附录15A利用Minitab进行多元回归分析 562
附录15B利用Excel进行多元回归分析 562
附录15C利用Minitab进行Logistic回归 563
第16章回归分析：建立模型 565
实践中的统计：Monsanto公司 566
16.1一般线性模型 567
16.1.1模拟曲线关系 567
16.1.2交互作用 571
16.1.3包含因变量的变换 573
16.1.4内蕴线性的非线性模型 577
16.2确定什么时候增加或者删除变量 582
16.2.1一般情形 584
16.2.2p-值的应用 585
16.3大型问题的分析 589
16.4变量选择方法 592
16.4.1逐步回归 593
16.4.2前向选择 594
16.4.3后向消元 595
16.4.4最佳子集回归 595
16.4.5做出最终的选择 596
16.5实验设计的多元回归方法 599
16.6自相关性和杜宾-瓦特森检验 603
总结 608
关键术语 608
重要公式 608
补充练习 609
案例16-1职业高尔夫协会巡回赛的统计分析 612
案例16-2汽车的油耗问题 613
案例16-3预测高等院校的毕业率 613
附录16AMinitab的变量选择程序 614
第18章预测 617
实践中的统计：内华达职业健康诊所 618
18.1时间序列的成分 619
18.1.1趋势成分 619
18.1.2循环成分 621
18.1.3季节成分 621
18.1.4不规则成分 621
18.2平滑法 621
18.2.1移动平均法 621
18.2.2加权移动平均法 624
18.2.3指数平滑法 626
18.3趋势推测法 632
18.4趋势和季节成分 638
18.4.1乘法模型 638
18.4.2计算季节指数 639
18.4.3消除季节影响的时间序列 643
18.4.4利用消除季节影响的时间序列确定趋势 643
18.4.5季节调整 646
18.4.6根据月度资料建立模型 646
18.4.7循环成分 646
18.5回归分析 648
18.6定性预测方法 650
18.6.1德尔菲法 650
18.6.2专家判断法 651
18.6.3远景方案论述法 651
18.6.4直观法 651
总结 651
关键术语 652
重要公式 653
补充练习 653
案例18-1预测食品和饮料的销售额 658
案例18-2预测损失的销售额 659
附录18A使用Minitab进行预测 660
附录18B使用Excel进行预测 662
第19章非参数方法 664
实践中的统计：West Shell Realtors公司 665
19.1符号检验 667
19.1.1小样本情形 667
19.1.2大样本情形 669
19.1.3中位数假设检验 670
19.2威尔科克森符号秩检验 672
19.3曼-惠特尼-威尔科克森检验 677
19.3.1小样本情形 677
19.3.2大样本情形 679
19.4克鲁斯卡尔-沃利斯检验 685
19.5秩相关 689
秩相关显著性检验 691
总结 693
关键术语 694
重要公式 694
补充练习 695
第21章决策分析 699
实践中的统计：俄亥俄州爱迪生公司 700
21.1问题简介 701
21.1.1支付表 702
21.1.2决策树 702
21.2概率决策 703
21.2.1期望值法 703
21.2.2完备信息的期望值 705
21.3样本信息下的决策分析 711
21.3.1决策树 712
21.3.2决策策略 713
21.3.3样本信息的期望值 716
21.4应用贝叶斯定理计算分枝概率 722
总结 726
关键术语 727
重要公式 728
案例21-1诉讼辩护策略 728
附录21A用TreePlan解决PDC问题 729
附录A参考书目 736
附录B统计表格 738
附录C总结 766
附录D自测题解答和偶数题答案 768
附录EExcel函数的使用 815
附录F利用Minitab和Excel计算p-值 820
Contents
Chapter 1Data and Statistics1
Statistics in Practice: BusinessWeek2
1.2Data3
Elements, Variables, and Observations3
Scales of Measurement4
Qualitative and Quantitative Data5
Cross-Sectional and Time Series Data6
1.3Data Sources8
Existing Sources8
Statistical Studies9
Data Acquisition Errors11
1.4Descriptive Statistics12
1.5Statistical Inference14
1.6Computers and Statistical Analysis16
Summary16
Glossary16
Supplementary Exercises17
Chapter 2Descriptive Statistics: Tabular and Graphical Presentations 25
Statistics in Practice: Colgate-Palmolive Company26
2.1Summarizing Qualitative Data27
Frequency Distribution27
Relative Frequency and Percent Frequency Distributions28
Bar Graphs and Pie Charts28
2.2Summarizing Quantitative Data33
Frequency Distribution33
Relative Frequency and Percent Frequency Distributions34
Dot Plot35
Histogram35
Cumulative Distributions36
Ogive38
2.4Crosstabulations and Scatter Diagrams42
Crosstabulation42
Simpson抯 Paradox45
Scatter Diagram and Trendline46
Summary51
Glossary53
Key Formulas54
Supplementary Exercises54
Case Problem 1: Pelican Stores60
Case Problem 2: Motion Picture Industry61
Appendix 2.1 Using Minitab for Tabular and Graphical Presentations62
Appendix 2.2 Using Excel for Tabular and Graphical Presentations64
Chapter 3Descriptive Statistics: Numerical Measures75
Statistics in Practice: Small Fry Design76
3.1Measures of Location77
Mean77
Median78
Mode80
Percentiles80
Quartiles81
3.2Measures of Variability85
Range86
Interquartile Range86
Variance87
Standard Deviation89
Coefficient of Variation89
3.3Measures of Distribution Shape, Relative Location, and Detecting Outliers92
Distribution Shape92
z-Scores93
Chebyshev抯 Theorem94
Empirical Rule95
Detecting Outliers96
3.4Exploratory Data Analysis99
Five-Number Summary99
Box Plot100
3.5Measures of Association Between Two Variables104
Covariance104
Interpretation of the Covariance106
Correlation Coefficient108
Interpretation of the Correlation Coefficient109
3.6The Weighted Mean and Working with Grouped Data113
Weighted Mean113
Grouped Data114
Summary118
Glossary119
Key Formulas120
Supplementary Exercises122
Case Problem 1: Pelican Stores126
Case Problem 2: Motion Picture Industry127
Case Problem 3: Business Schools of Asia-Pacific127
Appendix 3.1 Descriptive Statistics Using Minitab129
Appendix 3.2 Descriptive Statistics Using Excel131
Chapter 7Sampling and Sampling Distributions135
Statistics in Practice: MeadWestvaco Corporation136
7.1The Electronics Associates Sampling Problem137
7.2Simple Random Sampling138
Sampling from a Finite Population138
Sampling from an Infinite Population139
7.3Point Estimation142
7.4Introduction to Sampling Distributions145
7.5Sampling Distribution of x_148
Expected Value of x_148
Standard Deviation of x_149
Form of the Sampling Distribution of x_150
Sampling Distribution of x_ for the EAI Problem152
Practical Value of the Sampling Distribution of x_152
Relationship Between the Sample Size and the Sampling Distribution of x_154
7.6Sampling Distribution of p_158
Expected Value of p_158
Standard Deviation of p_159
Form of the Sampling Distribution of p_159
Practical Value of the Sampling Distribution of p_160
7.7Properties of Point Estimators163
Unbiased164
Efficiency165
Consistency165
Summary166
Glossary166
Key Formulas167
Supplementary Exercises168
Appendix 7.1 The Expected Value and Standard Deviation of x_170
Appendix 7.2 Random Sampling with Minitab172
Appendix 7.3 Random Sampling with Excel173
Chapter 8Interval Estimation175
Statistics in Practice: Food Lion176
8.1Population Mean:　Known177
Margin of Error and the Interval Estimate177
Practical Advice181
8.2Population Mean:　Unknown183
Margin of Error and the Interval Estimate184
Practical Advice187
Using a Small Sample187
Summary of Interval Estimation Procedures189
8.3Determining the Sample Size192
8.4Population Proportion　195
Determining the Sample Size197
Summary200
Glossary201
Key Formulas202
Supplementary Exercises202
Case Problem 1: Young Professional Magazine205
Case Problem 2: Gulf Real Estate Properties206
Case Problem 3: Metropolitan Research, Inc.208
Appendix 8.1 Interval Estimation with Minitab208
Appendix 8.2 Interval Estimation Using Excel210
Chapter 9Hypothesis Tests214
Statistics in Practice: John Morrell & Company215
9.1Developing Null and Alternative Hypotheses216
Testing Research Hypotheses216
Testing the Validity of a Claim216
Testing in Decision-Making Situations217
Summary of Forms for Null and Alternative Hypotheses217
9.2Type I and Type II Errors218
9.3Population Mean:　Known221
One-Tailed Test221
Two-Tailed Test227
Summary and Practical Advice230
Relationship Between Interval Estimation and Hypothesis Testing231
9.4Population Mean:　Unknown235
One-Tailed Test236
Two-Tailed Test237
Summary and Practical Advice238
9.5Population Proportion241
Summary244
9.6Hypothesis Testing and Decision Making246
9.7Calculating the Probability of Type II Errors247
Summary252
Glossary253
Key Formulas253
Supplementary Exercises254
Case Problem 1: Quality Associates, Inc.257
Case Problem 2: Unemployment Study258
Appendix 9.1 Hypothesis Testing with Minitab259
Appendix 9.2 Hypothesis Testing with Excel260
Chapter 10Statistical Inference About Means and Proportions with Two Populations265
Statistics in Practice: U.S. Food and Drug Administration266
10.1Inferences About the Difference Between Two Population Means: 1 and 2 Known267
Interval Estimation of ? ??267
Hypothesis Tests About ? ??269
Practical Advice 271
10.2Inferences About the Difference Between Two Population Means: 1 and 2 Unknown274
Interval Estimation of ? ??274
Hypothesis Tests About ? ??275
Practical Advice278
10.3Inferences About the Difference Between Two Population Means: Matched Samples282
10.4Inferences About the Difference Between Two Population Proportions288
Interval Estimation of p1 ?p2288
Hypothesis Tests About p1 ?p2290
Summary295
Glossary295
Key Formulas296
Supplementary Exercises297
Case Problem: Par, Inc.300
Appendix 10.1 Inferences About Two Populations Using Minitab301
Appendix 10.2 Inferences About Two Populations Using Excel303
Chapter 11Inferences About Population Variances306
Statistics in Practice: U.S. General Accounting Office307
11.1Inferences About a Population Variance308
Interval Estimation308
Hypothesis Testing312
11.2Inferences About Two Populations Variances317
Summary324
Key Formulas324
Supplementary Exercises325
Case Problem: Air Force Training Program326
Appendix 11.1 Population Variances with Minitab327
Appendix 11.2 Population Variances with Excel328
Chapter 12Tests of Goodness of Fit and Independence329
Statistics in Practice: United Way330
12.1Goodness of Fit Test: A Multinomial Population331
12.2Test of Independence336
12.3Goodness of Fit Test: Poisson and Normal Distributions344
Poisson Distribution344
Normal Distribution348
Summary353
Glossary353
Key Formulas353
Supplementary Exercises354
Case Problem: A Bipartisan Agenda for Change357
Appendix 12.1 Tests of Goodness of Fit and Independence Using Minitab358
Appendix 12.2 Tests of Goodness of Fit and Independence Using Excel359
Chapter 13Experimental Design and Analysis of Variance362
Statistics in Practice: Burke Marketing Services, Inc.363
13.1An Introduction to Experimental Design and Analysis of Variance364
Data Collection365
Assumptions for Analysis of Variance366
Analysis of Variance: A Conceptual Overview366
13.2Analysis of Variance and the Completely Randomized Design369
Between-Treatments Estimate of Population Variance370
Within-Treatments Estimate of Population Variance371
Comparing the Variance Estimates: The F Test372
ANOVA Table374
Computer Results for the Analysis of Variance375
Testing for the Equality of k Population Means: An Observational Study376
13.3Multiple Comparison Procedures380
Fisher抯 LSD380
Type I Error Rates383
13.4Randomized Block Design386
Air Traffic Controller Stress Test387
ANOVA Procedure388
Computations and Conclusions389
13.5Factorial Experiment393
ANOVA Procedure395
Computations and Conclusions395
Summary401
Glossary401
Key Formulas402
Supplementary Exercises404
Case Problem 1: Wentworth Medical Center408
Case Problem 2: Compensation for Sales Professionals409
Appendix 13.1 Analysis of Variance with Minitab410
Appendix 13.2 Analysis of Variance with Excel411
Chapter 14Simple Linear Regression415
Statistics in Practice: Alliance Data Systems416
14.1Simple Linear Regression Model417
Regression Model and Regression Equation417
Estimated Regression Equation418
14.2Least Squares Method420
14.3Coefficient of Determination431
Correlation Coefficient434
14.4Model Assumptions438
14.5Testing for Significance440
Estimate of 2440
t Test441
Confidence Interval for 1442
F Test443
Some Cautions About the Interpretation of Significance Tests445
14.6Using the Estimated Regression Equation for Estimation and Prediction449
Point Estimation449
Interval Estimation449
Confidence Interval for the Mean Value of y450
Prediction Interval for an Individual Value of y451
14.7Computer Solution455
14.8Residual Analysis: Validating Model Assumptions460
Residual Plot Against x461
Residual Plot Against y?62
Standardized Residuals462
Normal Probability Plot465
14.9Residual Analysis: Outliers and Influential Observations469
Detecting Outliers469
Detecting Influential Observations471
Summary476
Glossary477
Key Formulas478
Supplementary Exercises480
Case Problem 1: Measuring Stock Market Risk486
Case Problem 2: U.S. Department of Transportation487
Case Problem 3: Alumni Giving488
Case Problem 4: Major League Baseball Team Values488
Appendix 14.1 Calculus-Based Derivation of Least Squares Formulas490
Appendix 14.2 A Test for Significance Using Correlation491
Appendix 14.3 Regression Analysis with Minitab492
Appendix 14.4 Regression Analysis with Excel493
Chapter 15Multiple Regression496
Statistics in Practice: International Paper497
15.1Multiple Regression Model498
Regression Model and Regression Equation498
Estimated Multiple Regression Equation498
15.2Least Squares Method499
An Example: Butler Trucking Company500
Note on Interpretation of Coefficients502
15.3Multiple Coefficient of Determination508
15.4Model Assumptions511
15.5Testing for Significance512
F Test512
t Test515
Multicollinearity516
15.6Using the Estimated Regression Equation for Estimation and Prediction519
15.7Qualitative Independent Variables521
An Example: Johnson Filtration, Inc.521
Interpreting the Parameters523
More Complex Qualitative Variables525
15.8Residual Analysis530
Detecting Outliers531
Studentized Deleted Residuals and Outliers532
Influential Observations533
Using Cook抯 Distance Measure to Identify Influential Observations533
15.9Logistic Regression537
Logistic Regression Equation538
Estimating the Logistic Regression Equation539
Testing for Significance541
Managerial Use541
Interpreting the Logistic Regression Equation542
Logit Transformation544
Summary548
Glossary549
Key Formulas550
Supplementary Exercises552
Case Problem 1: Consumer Research, Inc.557
Case Problem 2: Predicting Student Proficiency Test Scores558
Case Problem 3: Alumni Giving559
Case Problem 4: Predicting Winning Percentage for the NFL561
Appendix 15.1 Multiple Regression with Minitab562
Appendix 15.2 Multiple Regression with Excel562
Appendix 15.3 Logistic Regression with Minitab563
Chapter 16Regression Analysis: Model Building565
Statistics in Practice: Monsanto Company566
16.1General Linear Model567
Modeling Curvilinear Relationships567
Interaction571
Transformations Involving the Dependent Variable573
Nonlinear Models That Are Intrinsically Linear577
16.2Determining When to Add or Delete Variables582
General Case584
Use of p-Values585
16.3Analysis of a Larger Problem589
16.4Variable Selection Procedures592
Stepwise Regression593
Forward Selection594
Backward Elimination595
Best-Subsets Regression595
Making the Final Choice596
16.5Multiple Regression Approach to Experimental Design599
16.6Autocorrelation and the Durbin-Watson Test603
Summary608
Glossary608
Key Formulas608
Supplementary Exercises609
Case Problem 1: Analysis of PGA Tour Statistics612
Case Problem 2: Fuel Economy for Cars613
Case Problem 3: Predicting Graduation Rates for Colleges and Universities613
Appendix 16.1: Variable Selection Procedures with Minitab614
Chapter 18Forecasting617
Statistics in Practice: Nevada Occupational Health Clinic618
18.1Components of a Time Series619
Trend Component619
Cyclical Component621
Seasonal Component621
Irregular Component621
18.2Smoothing Methods621
Moving Averages621
Weighted Moving Averages624
Exponential Smoothing626
18.3Trend Projection632
18.4Trend and Seasonal Components638
Multiplicative Model638
Calculating the Seasonal Indexes639
Deseasonalizing the Time Series643
Using the Deseasonalized Time Series to Identify Trend643
Seasonal Adjustments646
Models Based on Monthly Data646
Cyclical Component646
18.5Regression Analysis648
18.6Qualitative Approaches650
Delphi Method650
Expert Judgment651
Scenario Writing651
Intuitive Approaches651
Summary651
Glossary652
Key Formulas653
Supplementary Exercises653
Case Problem 1: Forecasting Food and Beverage Sales658
Case Problem 2: Forecasting Lost Sales659
Appendix 18.1 Forecasting with Minitab660
Appendix 18.2 Forecasting with Excel662
Chapter 19Nonparametric Methods664
Statistics in Practice: West Shell Realtors665
19.1Sign Test667
Small-Sample Case667
Large-Sample Case669
Hypothesis Test About a Median670
19.2Wilcoxin Signed-Rank Test672
19.3Mann-Whitney-Wilcoxon Test677
Small-Sample Case677
Large-Sample Case679
19.4Kruskal-Wallis Test685
19.5Rank Correlation689
Test for Significant Rank Correlation691
Summary693
Glossary694
Key Formulas694
Supplementary Exercises695
Chapter 21Decision Analysis699
Statistics in Practice: Ohio Edison Company700
21.1Problem Formulation701
Payoff Tables702
Decision Trees702
21.2Decision Making with Probabilities703
Expected Value Approach703
Expected Value of Perfect Information705
21.3Decision Analysis with Sample Information711
Decision Tree712
Decision Strategy713
Expected Value of Sample Information716
21.4Computing Branch Probabilities Using Bayes?Theorem722
Summary726
Glossary727
Key Formulas728
Case Problem: Lawsuit 璂efense Strategy728
Appendix 21.1 Solving the PDC Problem with TreePlan729
Appendix AReferences and Bibliography736
Appendix BTables738
Appendix CSummation Notation766
Appendix DSelf-Test Solutions and Answers to Even-Numbered Exercises768
Appendix EUsing Excel Functions 815
Appendix FComputing p-Values Using Minitab and Excel820

统计