本书是在统计模型与统计软件课程教学内容改革和教学方法改革的基础上凝练而成的，将理论、统计模拟、软件实操等环节进行了有机整合。教材的编写目的是，通俗易懂地把现代统计学代表性模型的建模思想、理论基础、适用条件讲清楚，并紧密结合学科特色提供应用背景和应用案例，为学生理解大数据、应用大数据打下坚实基础。教材的主要内容包括:纵向

本书构建了“基础理论—核心方法—高级应用”的递进式体系。基础理论模块聚焦 统计学核心原理，涵盖描述性统计分析、抽样分布与统计推断等基础内容，奠定方法论基 础。核心方法模块深入解析变量之间的独立性分析、非参数统计、相关与回归分析等关 键方法，通过阶梯式案例设计，实现从单一变量分析到复杂系统研究的能力进阶。高级 应用模块结

本书是统计学的入门书，对同一个知识点分别使用文字说明、数学式和Python示例代码进行讲解，循序渐进地介绍了统计学和Python的基础知识、描述统计、统计推断、假设检验、正态线性模型和广义线性模型等统计模型，以及机器学习等。通过阅读本书，读者不仅可以深刻理解统计学术语、统计分析方法和预测方法等，还可以学到前沿的机器学习

本教材以企业大数据统计与分析工作过程为依据，根据学生的认知规律和SPSS软件的不同模块全书共分为七大项目，将技术技能的培养和理论知识的学习有机结合。项目一为SPSS软件介绍，认知SPSS软件的基本操作；项目二到项目六为SPSS数据文件的建立和管理、SPSS数据的预处理、SPSS基本统计分析、SPSS的参数检验、SPSS

本书共11章,以SPSS27.0中文版为工具介绍了数据分析的常用技术,主要内容包括数据录入、数据处理、数据文件管理、描述统计、T检验、方差分析、相关分析、回归分析等基础模块,也包含了非参数检验、聚类分析、判别分析、因子分析等高阶模块,同时还增加了信效度分析、中介效应分析、调节效应分析等使用频率很高的统计分析内容。

数据挖掘是人工智能和机器学习中最活跃的地带。SPSSModeler充分利用计算机系统的运算处理能力和图形展现能力，将数据挖掘方法、应用与工具有机地融为一体，成为内容全面、功能强大、操作友好的数据挖掘软件产品，是大数据分析的理想工具。本书以数据挖掘的实践过程为主线，系统介绍了决策树、人工神经网络、支持向量机、Logist

本书循序渐进、深入讲解了R语言数据统计分析与应用的核心知识，并通过具体实例的实现过程演练了知识点的用法和流程。全书共16章，分别讲解了R语言基础、R语言数据统计语法基础、数据获取和处理、绘制可视化统计图、描述性统计分析、探索性数据分析、推论统计、回归分析、方差分析、非参数统计分析、主成分分析、聚类分析、生存分析、因子分

本书主要以最新的SASforWindows9.4版为对象讲解使用SAS软件进行统计数据分析的方法。第二版全书分基础篇和提高篇两篇二十章。第二版中增加了在SAS中使用SQL假设检验和区间估计和频数频率表与列联表分析这三章。第十一章在SAS中使用SQL所介绍的内容，不仅有利于读者借助SQL语言的强大功能，便利地获取存储在普

本教材本着理论够用、强化应用、培养技能的原则，将统计知识与目前使用最广的Excel软件相结合，着力提高学生运用计算机解决统计问题的能力，为后续进行商务数据分析打下坚实基础。本书共有八大项目，每个项目以知识目标、能力目标、知识结构图、导入阅读讲解理论知识，以习题巩固知识，以数据分析应用案例和Excel2016的操作引领学

本书选用统计学和数据科学中常见的R语言和Python语言“双语”编写,主要内容包括:引言、R语言编程基础、R语言数据处理、R语言可视化、R语言随机抽样和随机数、R语言基本统计推断、R语言回归分析、R语言大数据分析、Python语言基础、Python数据处理等内容。此外,本书在每章正文后设置主要函数列表、练习题和实验题,