Ⅰ.引言

1 统计和地理

1.1 统计分析和地理学

1.2 数据

1.3 测量评估

1.4 数据和信息

1.5 总结

Ⅱ.描述性统计

2 数据的显示和解读

2.1 定性变量分布的显示及解读

2.2 定量变量分布的显示与解读

2.3 显示和解读时间序列数据

2.4 空间数据的显示和解读

2.5 总结

3 用统计来描述数据

3.1 集中趋势的度量方法

3.2 离差的度量方法

3.3 高阶矩及量测变量分布特性的其他数值方法

3.4 使用时序数据的描述性统计

3.5 空间数据的描述性统计

3.6 总结

附录3a ∑符号

附录3b确定欧氏中位数的迭代算法

4 统计关系

4.1 相关性和独立性

4.2 通过图和表查看关系

4.3 相关性介绍

4.4 回归

4.5 时间自相关

4.6 总结

附录4a线的基本几何性质

附录4b利用初等微积分求最小二乘解

Ⅲ.推断统计

5 随机变量与概率分布

5.1 基本概率论

5.2 随机变量的概念

5.3 离散型概率分布模型

5.4 连续型概率分布模型

5.5 二维随机变量

5.6 总结

附录5a概率计算的计数规则

附录5b连续型随机变量的期望值和方差

6 抽样

6.1 我们为什么抽样

6.2 抽样的步骤

6.3 抽样的类型

6.4 概率随机抽样和相关设计

6.5 抽样分布

6.6 地理抽样

6.7 小结

7 点估计和区间估计

7.1 统计估计方法

7.2 点估计

7.3 区间估计

7.4 样本容量的确定

7.5 总结

8 单样本假设检验

8.1 古典假设检验的主要步骤

8.2 假设检验中的PROB-VALUE方法

8.3 关于总体均值μ和π的假设检验

8.4 假设检验与置信区间估计的联系

8.5 统计显著性vs实际显著性

8.6 总结

9 双样本假设检验

9.1 均值差

9.2 成对观测的均值差

9.3 比例差

9.4 方差齐性

9.5 总结

10 非参数检验

10.1 参数检验与非参数检验的比较

10.2 单样本与双样本检验

10.3 多样本Kruskal-Wallis（克鲁斯卡沃利斯）检验

10.4 拟合优度检验

10.5 列联表

10.6 估计一个概率分布：核估计

10.7 自举法（Bootstrapping，Bootstrap方法）

10.8 总结

11 方差分析

11.1 单因素完全随机设计

11.2 双因素完全随机设计

11.3 Scheffé成对比较检验

11.4 方差分析的假设

11.5 总结

附录11a从公式（11-10）推导公式（11-11）

12 线性回归的推理

12.1 回归分析中的步骤概述

12.2 简单线性回归模型的假设

12.3 回归分析中的推论

12.4 线性回归模型的图形诊断

12.5 总结

13 拓展的回归分析

13.1 多元回归分析

13.2 变量变换和回归函数的形状

13.3 验证回归模型

13.4 总结

Ⅳ.空间与时间模式

14 空间格局与关系

14.1 点格局分析

14.2 空间自相关

14.3 空间关联的局部指标

14.4 空间自相关数据回归模型

14.5 地理加权回归

14.6 总结

15 时序分析

15.1 时序过程

15.2 随机过程的特性

15.3 随机过程的类型

15.4 去趋势：转换到平稳

15.5 模型检验

15.6 模型拟合

15.7 时序模型，移动均值，过滤器

15.8 频率变换法

15.9 滤波器的设计

15.10 总结

附录 统计表

关于作者