內
容
簡
介
|
讀者不難發現本書與一般初等統計教本之不同在於,我對敘述統計, 變異數分析著墨甚少,而無母數統計則是捨棄不提。相反地,我對於機率模型,隨機變數, 漸近理論(大樣本理論), 估計以及迴歸分析則有較一般初等統計更為深入的探討。這樣的內容取捨,相當程度地反映我個人的偏好。對於迴歸分析,我由母體迴歸方程式(迴歸的敘述統計) 出發,之後再談樣本迴歸方程式(迴歸的機率模型),與一般教科書有顯著不同。此外,我加入了一章對於貝氏統計學的初淺介紹。依照我個人求學經驗,如果是一學年的統計學,往往在上學期機率模型的部分講授貝氏定理後,就再也不曾將相關的貝氏概念應用在下學期的統計學。因此,年輕時的我往往有此困惑: 除了作例題,寫實習,應付考試之外,我們為什麼要學貝氏定理?事實上, 在統計學中存在著兩大學派: 古典統計與貝氏統計。過去的初統教科書只講古典統計,卻不教貝氏統計的理由很簡單,因為要把貝氏統計學以淺顯易懂的方式講授,是一件相當困難的事。我在此嘗試將貝氏統計講的深入淺出,希望讀者對於古典統計之外的另一個重要學派,能夠擁有一定程度的理解。本書可用於一學年之統計學教學,上學期為機率模型(第一章到第八章), 下學期則為統計推論(第九章到第十七章)。由於內容取捨, 本書的潛在讀者定位在經濟,財金,國貿等科系之學生。數學證明大多放在每一章的附錄中,提供喜歡較高難度挑戰,或是喜歡追根究底的學生參考,但是略過證明不讀,並不會妨礙你對本書內容與觀念的理解。這不是一本高等統計或是數理統計的教科書,但是在高統與數統的內容上卻有相當之介紹。對於有心打好統計學基礎,將來想要繼續修習高等統計或是數理統計的學生,過去的經驗是, 他們在一般的初統教科書所學到的知識, 與高等統計或是數理統計往往有一段不小的差距,本書希望夠將此差距縮小, 讓使用本書的學生在一頭栽進高統或數統繁瑣而生硬的數學之前,能夠先對相關議題建立直觀的理解與自信。對於曾經修過統計學,但是期盼對於統計學的觀念能有進一步了解的研究生或是一般讀者,本書應有相當之參考價值。如果你對於高統或數統的教本如Hogg and Tanis (2005)或是Casella and Berger (2001)望之生畏,不妨由本書開始,重新建立你的統計學基礎。
|
