当我们提到统计学时，大多数人只会想到繁复到让人头痛的数字和图表，很少有人会意识到，统计学其实是一种简明的生活工具，你只需要一点数学基础知识就可以入门，它可以跟数学、计量经济学有机结合，甚至可以用于分析当下的经济动态。当然，统计学有时候还会让我们发现一些有趣的现象：孟加拉国黄油产量和标普500相关性高达0.75；全球变暖与海盗数量减少存在相关性；3月和4月出生的孩子更容易成为优秀棒球运动员……
　　只要出现数据的行业，都需要统计学，而随着大数据时代的到来、随着各行各业的发展，越来越多的行业都将开始需要数据分析这一个职业。《从零开始读懂统计学》是一本仅需基础数学知识即可自学的入门级读本，没有复杂的数学公式，没有满篇数字的图表，没有空洞的说教。本书从生活实例出发、图文并茂，统计学看得懂、学得会！

　　数据科学家只是“统计学家”一个性感一些的名字。
　　——美国知名政治评论家、大选“预言帝”内特·西尔沃

　　大数据是“原油”而不是“汽油”，不能直接使用。大数据时代，统计学依然是数据分析的灵魂。
　　——哈佛大学终身教授刘军

　　大数据时代要懂点统计学
　　在终极的分析中，一切知识都是历史；在理性的基础上，所有的判断都是统计。
　　当我们提到统计学时，大多数人只会想到繁复到让人头痛的数字和图表，并且将自己归类为数据盲，很少有人会意识到，统计学其实是一种简明的生活工具，你只需要一点数学基础知识就可以入门，它可以跟数学、计量经济学有机结合，甚至可以用于分析当下的经济动态。
　　当然，统计学有时候还会让我们发现一些有趣的现象：孟加拉国黄油产量和标普500相关性高达0.75、全球变暖与海盗数量减少存在相关性，3月和4月出生的孩子更容易成为优秀棒球运动员……
　　统计学的源头其实有两个：一个是概率论，另外一个是国情学。概率论最早出现在16世纪，它的起源是一种掷骰子的赌博活动。当时欧洲流行一种掷骰子比点数的赌博，根据点数大小定输赢，这引起了一批学者的关注。学者们试图研究各种点数出现的概率，并且因此出现了一些相关的著作，其中比较有名的有卡丹诺的《机遇博弈》、尼尔·伯努利的《猜度数》等。
　　而到了17世纪，统计学更多地是以国情学的姿态出现的。人们应用统计学做人口统计，比如生男生女的比例问题。说到这里，我们就不得不提到约翰·格朗特，英国一个杂货店员出身的经济学家。他注意到在非瘟疫时期，一个大城市每年死亡数有统计规律，而且出生儿的性别比为1.08，即每生13个女孩就有14个男孩。他还用数据进一步说明，男性更容易在战争、公海和处以死刑中丧命，所以成年男女的数量基本相等；格朗特初步推算了不同年龄段儿童和成人的死亡比率：儿童死亡发生在4、5岁以下的比例约为1/3，发生在6岁以下的比例约为1/2，仅有7%的死亡属于自然死亡，格朗特在此基础上提出了人类的第一个生命表，并估计出伦敦16～56岁的成年男性约占总人口的34%，有7万人左右可作为战争士兵。从此，概率论和国情学逐渐融合，在这一时期，一些重要的理论被发现，二项分布和大数定律。根据二项分布建立了统计推断的最早的模型，对此分布中未知概率的研究也成为贝叶斯学派的思想起源。
　　在现代，统计学的发展成为各个知识点的交融，我们可以说统计可以运用于各个领域：经济中计量经济学、医学统计、数据挖掘、生物统计、农业统计、公共卫生、零售等。一句话，只要出现数据的行业，都需要统计学，而随着大数据时代的到来、随着各行各业的发展，越来越多的行业都将开始需要数据分析这一个职业。
　　大数据时代已经来了，不管我们是否从事统计、数据分析，都应该了解一些基本的统计学知识，这样才不会在纷乱的数据中迷失自我判断！
　　……

第1部分　从标准差到检验、区间估计，一学就会
第1章　用频数分布表和直方图刻画数据的特征
1.1 为什么使用统计　/　3
1.2 做直方图　/　4
练习题　/
第2章　平均值的定义、作用与计算
2.1 统计量与数据特征概括　/　11
2.2 平均值的计算　/　12
2.3 频数分布表上的平均值　/　12
2.4 平均值在直方图中的作用　/　14
2.5 该怎样捕捉平均值　/　15
练习题　/　16
第3章　由数据分散程度估计统计量
——方差和标准差
3.1 数据的分散和波动　/　21
3.2 方差的实例解读　/　22
3.3 标准差的意义　/　24
3.4 从频数分布表求标准差　/　26
练习题　/　28
第4章　标准差（S.D.）与数据评判
4.1 标准差与“波浪运动”　/　31
4.2 S.D.评价数据的“特殊性”　/　32
4.3 复数的数据组的比较　/　34
4.4 加工后的数据的平均值和标准差　/　35
练习题　/　38
第5章　标准差（S.D.）在股票风险指标（波动率）中的应用
5.1 股票的平均收益率是什么　/　41
5.2 利用平均收益率判断个人投资　/　42
5.3 波动率的意义　/　44
练习题　/　46
第6章　标准差（S.D.）与投资风险评测
6.1 高风险、高回报和低风险、低回报　/　47
6.2 金融商品优劣的衡量方法　/　48
6.3 衡量金融商品优劣的数值：夏普比率　/　49
练习题　/　52
第7章　生活中最常见的分布、正态分布
7.1 标准正态分布　/　53
7.2 一般正态分布的观察方法　/　56
7.3 身高数据是正态分布的　/　58
练习题　/　61
第8章　推论统计的出发点，使用正态分布进行“预测”
8.1 使用正态分布的知识，可以进行“预测”　/　63
8.2 标准正态分布的95%预测命中区间　/　64
8.3 一般正态分布的95%预测命中区间　/　66
练习题　/　69
第9章　从一个数据推出母群体
——假设检验的思维方法
9.1 所谓推论统计即从部分推出整体　/　71
9.2 推测差不多可行的母群体　/　72
9.3 判断95%预测命中区间是否妥当　/　74
练习题　/　77
第10章　以测定温度为例，探寻95%置信区间
——区间估计
10.1 反过来利用预测命中区间的估计　/　81
10.2 置信区间的“95%”的意义　/　83
10.3 对标准差的已知正态母群体的平均值的区间估计　/　85
练习题　/　87
第2部分　观测数据分析预测
第11章　根据“部分”推论“总体”
——母群体和统计的估计
11.1 母群体　/　91
11.2 随机抽样法和总体均值　/　93
练习题　/　97
第12章　表示母群体数据分散程度的统计量
——总体方差和总体标准差
12.1 搞清数据的分散程度　/　99
12.2 总体方差和总体标准差的计算　/　100
练习题　/　102
第13章　复数数据的平均值比1个数据接近总体均值
——样本均值的思维方法
13.1 从观测到的1个数据可以推测出什么　/　105
13.2 为什么要做样本均值　/　106
练习题　/　111
第14章　随着观测数据增加，预测区间变窄
——正态母群体的便利商品、样本均值
14.1 正态分布样本均值的性质　/　113
14.2 关于正态母群体样本均值的95%预测命中区间　/　115
练习题　/　118
第15章　已知总体方差，求正态母群体的总体均值
——使用样本均值进行总体均值的区间估计
15.1 推测总体均值和总体方差　/　119
15.2 使用样本均值进行总体均值的区间估计　/　121
练习题　/　125
第16章　卡方分布登场
——样本方差的求法和卡方分布
16.1 样本方差的求法　/　127
16.2 卡方分布是什么　/　129
练习题　/　133
第17章　用卡方分布推算总体方差
——推算正态母群体的总体方差
17.1 卡方分布的95%预测命中区间　/　135
17.2 终于开始正态母群体总体方差的估计了　/　136
练习题　/　139
第18章　样本方差呈卡方分布
——与样本方差成正比的统计量W的做法
18.1 与样本方差成正比的统计量W的做法　/　141
18.2 样本方差的卡方分布自由度下降1　/　142
练习题　/　145
第19章　即使未知总体均值仍能推算总体方差
——总体均值未知时对正态母群体进行区间估计
19.1 未知总体均值推算总体方差　/　149
19.2 估计总体方差的具体例子　/　151
练习题　/　153
第20章　t分布登场
——总体均值以外的以“实际观测样本”可计算的统计量
20.1 终于登场的t分布　/　155
20.2 t分布的直方图　/　157
20.3 统计量T 的计算　/　158
20.4 关于t分布的正式定义　/　159
练习题　/　161
第21章　根据t分布进行区间估计
——未知总体方差时以正态母群体推算总体均值
21.1 最自然的区间估计——t分布　/　163
21.2 根据t分布的区间估计方法　/　165
练习题　/　167
练习题答案　/　169