轻松学统计(3)
轻松学统计(3)详细内容
轻松学统计(3)
轻松学统计(3) 作者:张忠朴 [pic] 1.学以致用 第三次上课的进度是『统计的推定』,以前作菜鸟老师时,一上课一定 先正经八百的在黑板上先写下这五个字,这是什么东东?学生暗自滴咕,这 一滴咕教室的气氛马上凉了一半,等到学生们的学习热情被浇熄之后,才再 来冷灶热烧,那就累了。 教书教久了,才体会到一上课最好先把场子炒热,这样教到主题才会事 半功倍,所以先丢个可以暖场的问题给他们。 『你们知不知道在美国统计专家密度最高的城市是那一个?』 ???!!!大家既有兴趣却又茫然。 『猜猜看嘛!』试着再鼓励他们 『老师,可不可以给一点提示?』又开始讨价还价了。 『好,那个城市在沙漠之中,虽然不大但国际驰名』 『是不是拉斯维加斯?』马上有人兴奋抢答。 『答对了,但是为什么那个鸟不生蛋的地方会吸引一票统计专家呢?』 『是不是和赌有关?』 『对!但是赌和统计有什么关系呢?』 『如果能设计一种游戏让大家都认为自己很容易赢,那就会吸引一票傻蛋。 』 『没错,那些在赌城的统计专家,其实就是专门帮赌场设计那些表面看起来 吸引力十足,但事实上庄家最后必赢的游戏,由此可见统计并不只是艰深的 理论,它更可以应用在生活之中,所以今天就让我们来想一想如何将统计用 在工厂之中好吗?』 『好!』大家都显得兴奋莫名,这十足表现了中国人见赌心喜的本性。 『那你们认为在工厂中会赌那些事呢?』 『赌“席芭啦”!』这个回答马上引起全班哄堂大笑。 『赌“席芭啦”,你疯啦!工厂不但不感激你还会开除你,如果你不想被开除 那么还是趁早赌点正经的。』 再逼着刚才那位捣蛋鬼把聪明用上正途,他把手上的原子笔当作竹蜻蜒转了 两圈之后,若有所悟── 『在生管单位决定发料数量时,他们是不是会先赌一下这批产品的良品率? 』 『没错,这是正经赌法之一,但是统计还有没有其它的用途呢?』同学又陷 入了沈思,沉思后有人灵光一闪── 『老师,会不会有的公司要赌一下产品出厂后的平均使用寿命,以免将来客 户抱怨连连?』 『太棒了,这件事不但要赌,而且还要算的非常精确,不然很可能就会大祸 临头,归纳刚才两位同学的想法,我们可以发现一个共同点,那就是他们都 在想一个如何用统计来作预测的问题,这种用统计来作预测的问题,术语就 叫做“推定”(Estimation)』。 2.未卜先知 『在统计应用上,推定占了一席非常重要的地位,尤其像在订货生产的 公司,如果生管无法推定出报废率来作发料宽放的依据,那么不是会造成无 效良品的麻烦,就是会搞出数量不足延误出货的飞机,前者会造成资金的浪 费,后者会引起客户的抱怨,都很糟糕的事,为了不要将来倒霉,所以让我 们现在就来学推定好不好?』 『好!』学生的眼睛慢慢亮了起来,但是我却反而不想马上让他们如愿以偿 ,因为Easy Coming, Easy Go本来就是教学大忌。所以决定先拿一个问题来钓他们── 『请问推定和凭空瞎猜有什么不同?』 『凭空瞎猜可以毫无根据,但是推定可能需要严谨一点』 『请问您说严谨是什么意思?』 『就是说推定的值要先有一些根据』 『你的意思是不是说,被推定的未知状况必须要先根据一些看得见的己知结 果而来?』 『对!我就是这种想法』 『好极了,刚才这位同学的想法其实就是推定的起点,任何推定都必须先根 据一些样本的数据来作推衍的基础,我们不妨先来看一个例子』 |某公司希望能预测其产品厚度之范围,试问应如何下手?及考虑那些因 | |素? | | 假设已量测25个成品,其厚度分别为(单位:mm): | |53 48 54 51 48 | |52 46 50 51 49 | |47 55 52 53 47 | |51 50 50 48 52 | |50 48 52 49 47 | | | |参考此数据在若95%的把握下,请问该公司成品平均厚度在何范围内? | 『现在我们有了25组数据,那么请问下一步我们该怎么办?』 『计算』他们已很清楚的了解统计就是数据透过计算产生出有意的情报。 『没错,此例经过计算之后我们得到[pic]= 50.12 σ= 2.403 接下来下一步该怎么辨呢?』 『老师,下一步是不是就要回答95%的产品厚度范围有多宽了?』 『没错,但是这该如何推测』 『老师,如果您能够告诉我们95%的产品被含盖在几个σ之内,我们就可以推 测出它的范围』 利害!利害!这个学生不但学会了用反问法来脱身这一招,而且反问的还是 一个命中要害的问题,但是老姜当然自有辣法,所以仍要四两拨千金一下─ ─ 『这位同学的想法的确很高明,他的想法是机率和多少个σ之间一定会有关 系,而且彼此一定可以换算,这个想法其实就是常态分配机率论的基础,因 此现在让我们来看一下常态分配机率表(如附表一),这个表的纵轴是到小数 点第一位的σ个数值,横轴则是小数点第二位的σ个数值,而表内的数字就是 图中斜线区的机率,现在请大家一起来想一想95%的产品应含盖在多少个σ之 内?』 同学们纷纷努力思索,个个都想拔头筹,结果居然还是刚才反问我的学生找 到了答案。 『老师,是1.96个σ』他与奋的大叫。 『没错,但是您是如何找到的呢?』 『老师,我先算出斜线的机率是2.5%也就是0.025,然后我就查表.......』 『等一下』我先打断他的话,『能不能请你先说明一下0.025的来龙去脉? 』 『老师,因为这个题目要预测的范围95%,而斜线区正代表此范围之外的机 率,因此两边斜线区加起来的机率应该是5%(100% - 95%),而如果我们假设左右斜线区各占一半,那么单一斜线区的机率,就是 2.5%也就是0.025』 『很好,然后呢?』 『然后我就先在常态分配机率表中找到0.025这个数字。从这个数字往左看 对应的纵轴数字是1.9,而往上对应的横轴数字是6.0,参考老师刚才的说明 ,我就得到了1.96个σ的答案。』 他一面说明,其它的同学纷纷点头,看到这种感人的场景,我不禁明白 其实在学习中导引学生领悟,反而比口沫横飞的填鸭法还更有效呢! 看到学生都若有所悟,这时该给他们更大的成就感,『既然,大家都已 明白95%的产品是被含盖在±1.96个σ之内,所以我们现在可以更确实地回答 原来的问题了吗?』 『老师,95%产品的平均厚度会落在 50.12 ±1.96x2.403 之间』大家几乎是异口同声地回答了这个在15分钟之前还摸不着头绪的问题 ,这真是学习的一大兴趣。 3.康庄大道 用实例可以帮助我们走过前人推理的思维过程,但是实例仍然有它的限 制性,因此若要能举一反三触类旁通,那就必须在大家明白实例之后,再将 其中的精华从表象中抽离出来(这就所谓的抽象),成为一种可以反复运用的 模型,因此,必须利用学生破解例子后兴高彩烈的时刻,顺便将他们带入推 定的理论模型。 『同学们,你们希望将来无论遇到任何统计推定的问题时都能迎刃而解吗? 』 『希望』兴奋的响应。 『那我们来重新整理一下刚才的过程好吗?』 『好!』 『请回想一下,刚才这个过程和我们的第一节统计课有什么关系?』 『老师,整个讨论好象还是延着I→P→O 的过程在进行嘛!』一位平常蛮沈默的同学倒先发言了。 『好极了,这是正确的观察,于是又在黑板上画出了。 I→P→O程序图,只是比以前又多加上三个空的框框 [pic] [pic] 然后,反身问同学 『你们猜老师刚才多加的框框内该填什么?』 『老师,答对了有没有奖品?』教室气氛一好,同学居然会开始撒娇了。 『跟我来这套!当然有奖品啊!答对的,下课时,可以先来擦黑板。』吐嘈 回去,反而逗得全班同学大乐。 『请问您还要不要先抢答?』 『老师,如果擦黑板是奖品,那擦黑板也没有关系,我猜第一个框框内应该 填“样本值”也就是刚才那个例子中的25个样本的厚度值。』 『答对了,请大家给这位自告奋勇擦黑板的同学掌声鼓励好不好?』热烈的 掌声让那位同学好不得意。 『那么第二个框框内该填什么呢?』 马上有同学举手,我故意逗他『你也想来擦黑板啊?』他嘿嘿傻笑,真是老 实的可爱,于是帮他解围── 『好,那请你先告诉大家你认为第二个框框内该填什么?』 『该填统计量就是[pic]和σ』连回答都很老实。 『又答对了!』这时同学的掌声己自动响起,真是一群会互相鼓励的学生。 『那第三个框框该填什么呢?』这个问题似乎让有些同学很为难,看到他们 痛苦的表情,不免又大动侧隐之心,于是说:『老师也想擦黑板,所以最后 一个框框可不可以由老师替大家来回答?』 『老师,没有关系,你替我答,我替你擦黑板』一位同学马上很阿莎力的响 应。 『好,那我们一言为定,第三个框框请填“推定结论”也可直接写成“95%的产 品厚度在[pic]±1.96σ的范围内”』顺便我又在黑板的另一边写下“推定的步 骤”五个大字,然后转身告诉同学── 『刚才三个框框的推理过程其实就是统计推定的步骤。』 然后我转身在黑板上写上: 步骤1. 随机抽取样本 步骤2. 计算统计量([pic],σ) 步骤3. 作出推定结论,下结论时可再细分成两步骤 步骤3A.决定信赖水准(Level of Confidence ,此例为95%) 步骤3B.决定信赖区间(Confidence interval ,此例即为[pic]±1.96σ) 『请各位记得这几个步骤,那么将来无论你们遇到什么推定的问题都可以很 容易地迎刃而解了』 『由于各位上课很认真尤其又肯热烈参与讨论,所以我再送各位一套锦囊, 好不好?』 『老师,那我也替你来擦黑板』严肃的班长居然也学会幽默了,这下非倾囊 相授不可,打开投影机,影幕上出现了── |常用信赖区间与σ个数对照表 | | 信赖水准 含盖σ个数 信赖区间 | | | | 90% 1.645 [pic]±1.645| |σ | | 95% 1.96 [pic]±1.96| |σ | | 99% 2.575 [pic]±2.575| |σ | | 99.73% 3 [pic]±3 | |σ | 『这张表其实就是从刚才的常态分配机率表上整理出来的,如果将来各位碰 上一些特殊的信赖水准,只要回去查表也一定会得到答案的。』 4.精益求精 虽然下课时间快到了,但是看着他们眼眸中的热情,我就舍不得不再多 教他们一点,使他们能真正成为善用推定的高手。 『同学们,统计的推定好不好玩啊?』 『粉好玩!』居然有人学董月花。 『粉好玩的事有时候反而粉危险,其中最大的危险就是说不定您的推定会" 贡姑",换句话说实际结果与您的推定可能会有很大的出入,请各位想想看 ,为什么会出现这种状况?』 『老师,会不会是样本有问题?』 『你认为样本可能会出现什么问题?』 『会不会所谓的样本其实不太具有代表性?』 『能不能举例说明?』 『譬如样本是工程师在实验室作出来的,而将来实际大量生产的产品却是由 生产线上的作业员生产的,这两者之间有许多不同,不知道这是不是就会造 成推定"贡姑"?』 『太好了,这位同学的想法正是推定步骤1在样本抽取上的大忌,像刚才他 举的例子,如果我们要推定一般的量产能力,结果却选取了工程师的特制产 品来作样本,这种样本就叫做偏差样本(Biased Sample),用已有偏差的样本来作推定,那当然会缪以千里了』 『老师,那我们该怎么办?』 『最具体可行的办法,就是随机抽样(Random Sampling),换言之,以刚才的例子我们其实应该让生产线的所有在制品都 有相同被抽中的机会,这样抽出的样本就可称为不偏样本(Unbiased Sample),从不偏样本得到的推论才会具有代表性,这就是统计学家为何一 再强调必须随机抽样(Random Sampling)的原因了。』 当大多数同学正陶醉在若有所悟时,却有一位同学狡黠地问了另一个问题─ ─ 『老师,偏差样本是推定中唯一的陷阱吗?』 『那你认为呢?』反将他一军。 『我猜应该还有别的。』 『别的又会是什么呢?』再用一次不偾不启的老招。 『刚才老师提到的第一个陷阱是有关样本品质(Quality)的问题,...
轻松学统计(3)
轻松学统计(3) 作者:张忠朴 [pic] 1.学以致用 第三次上课的进度是『统计的推定』,以前作菜鸟老师时,一上课一定 先正经八百的在黑板上先写下这五个字,这是什么东东?学生暗自滴咕,这 一滴咕教室的气氛马上凉了一半,等到学生们的学习热情被浇熄之后,才再 来冷灶热烧,那就累了。 教书教久了,才体会到一上课最好先把场子炒热,这样教到主题才会事 半功倍,所以先丢个可以暖场的问题给他们。 『你们知不知道在美国统计专家密度最高的城市是那一个?』 ???!!!大家既有兴趣却又茫然。 『猜猜看嘛!』试着再鼓励他们 『老师,可不可以给一点提示?』又开始讨价还价了。 『好,那个城市在沙漠之中,虽然不大但国际驰名』 『是不是拉斯维加斯?』马上有人兴奋抢答。 『答对了,但是为什么那个鸟不生蛋的地方会吸引一票统计专家呢?』 『是不是和赌有关?』 『对!但是赌和统计有什么关系呢?』 『如果能设计一种游戏让大家都认为自己很容易赢,那就会吸引一票傻蛋。 』 『没错,那些在赌城的统计专家,其实就是专门帮赌场设计那些表面看起来 吸引力十足,但事实上庄家最后必赢的游戏,由此可见统计并不只是艰深的 理论,它更可以应用在生活之中,所以今天就让我们来想一想如何将统计用 在工厂之中好吗?』 『好!』大家都显得兴奋莫名,这十足表现了中国人见赌心喜的本性。 『那你们认为在工厂中会赌那些事呢?』 『赌“席芭啦”!』这个回答马上引起全班哄堂大笑。 『赌“席芭啦”,你疯啦!工厂不但不感激你还会开除你,如果你不想被开除 那么还是趁早赌点正经的。』 再逼着刚才那位捣蛋鬼把聪明用上正途,他把手上的原子笔当作竹蜻蜒转了 两圈之后,若有所悟── 『在生管单位决定发料数量时,他们是不是会先赌一下这批产品的良品率? 』 『没错,这是正经赌法之一,但是统计还有没有其它的用途呢?』同学又陷 入了沈思,沉思后有人灵光一闪── 『老师,会不会有的公司要赌一下产品出厂后的平均使用寿命,以免将来客 户抱怨连连?』 『太棒了,这件事不但要赌,而且还要算的非常精确,不然很可能就会大祸 临头,归纳刚才两位同学的想法,我们可以发现一个共同点,那就是他们都 在想一个如何用统计来作预测的问题,这种用统计来作预测的问题,术语就 叫做“推定”(Estimation)』。 2.未卜先知 『在统计应用上,推定占了一席非常重要的地位,尤其像在订货生产的 公司,如果生管无法推定出报废率来作发料宽放的依据,那么不是会造成无 效良品的麻烦,就是会搞出数量不足延误出货的飞机,前者会造成资金的浪 费,后者会引起客户的抱怨,都很糟糕的事,为了不要将来倒霉,所以让我 们现在就来学推定好不好?』 『好!』学生的眼睛慢慢亮了起来,但是我却反而不想马上让他们如愿以偿 ,因为Easy Coming, Easy Go本来就是教学大忌。所以决定先拿一个问题来钓他们── 『请问推定和凭空瞎猜有什么不同?』 『凭空瞎猜可以毫无根据,但是推定可能需要严谨一点』 『请问您说严谨是什么意思?』 『就是说推定的值要先有一些根据』 『你的意思是不是说,被推定的未知状况必须要先根据一些看得见的己知结 果而来?』 『对!我就是这种想法』 『好极了,刚才这位同学的想法其实就是推定的起点,任何推定都必须先根 据一些样本的数据来作推衍的基础,我们不妨先来看一个例子』 |某公司希望能预测其产品厚度之范围,试问应如何下手?及考虑那些因 | |素? | | 假设已量测25个成品,其厚度分别为(单位:mm): | |53 48 54 51 48 | |52 46 50 51 49 | |47 55 52 53 47 | |51 50 50 48 52 | |50 48 52 49 47 | | | |参考此数据在若95%的把握下,请问该公司成品平均厚度在何范围内? | 『现在我们有了25组数据,那么请问下一步我们该怎么办?』 『计算』他们已很清楚的了解统计就是数据透过计算产生出有意的情报。 『没错,此例经过计算之后我们得到[pic]= 50.12 σ= 2.403 接下来下一步该怎么辨呢?』 『老师,下一步是不是就要回答95%的产品厚度范围有多宽了?』 『没错,但是这该如何推测』 『老师,如果您能够告诉我们95%的产品被含盖在几个σ之内,我们就可以推 测出它的范围』 利害!利害!这个学生不但学会了用反问法来脱身这一招,而且反问的还是 一个命中要害的问题,但是老姜当然自有辣法,所以仍要四两拨千金一下─ ─ 『这位同学的想法的确很高明,他的想法是机率和多少个σ之间一定会有关 系,而且彼此一定可以换算,这个想法其实就是常态分配机率论的基础,因 此现在让我们来看一下常态分配机率表(如附表一),这个表的纵轴是到小数 点第一位的σ个数值,横轴则是小数点第二位的σ个数值,而表内的数字就是 图中斜线区的机率,现在请大家一起来想一想95%的产品应含盖在多少个σ之 内?』 同学们纷纷努力思索,个个都想拔头筹,结果居然还是刚才反问我的学生找 到了答案。 『老师,是1.96个σ』他与奋的大叫。 『没错,但是您是如何找到的呢?』 『老师,我先算出斜线的机率是2.5%也就是0.025,然后我就查表.......』 『等一下』我先打断他的话,『能不能请你先说明一下0.025的来龙去脉? 』 『老师,因为这个题目要预测的范围95%,而斜线区正代表此范围之外的机 率,因此两边斜线区加起来的机率应该是5%(100% - 95%),而如果我们假设左右斜线区各占一半,那么单一斜线区的机率,就是 2.5%也就是0.025』 『很好,然后呢?』 『然后我就先在常态分配机率表中找到0.025这个数字。从这个数字往左看 对应的纵轴数字是1.9,而往上对应的横轴数字是6.0,参考老师刚才的说明 ,我就得到了1.96个σ的答案。』 他一面说明,其它的同学纷纷点头,看到这种感人的场景,我不禁明白 其实在学习中导引学生领悟,反而比口沫横飞的填鸭法还更有效呢! 看到学生都若有所悟,这时该给他们更大的成就感,『既然,大家都已 明白95%的产品是被含盖在±1.96个σ之内,所以我们现在可以更确实地回答 原来的问题了吗?』 『老师,95%产品的平均厚度会落在 50.12 ±1.96x2.403 之间』大家几乎是异口同声地回答了这个在15分钟之前还摸不着头绪的问题 ,这真是学习的一大兴趣。 3.康庄大道 用实例可以帮助我们走过前人推理的思维过程,但是实例仍然有它的限 制性,因此若要能举一反三触类旁通,那就必须在大家明白实例之后,再将 其中的精华从表象中抽离出来(这就所谓的抽象),成为一种可以反复运用的 模型,因此,必须利用学生破解例子后兴高彩烈的时刻,顺便将他们带入推 定的理论模型。 『同学们,你们希望将来无论遇到任何统计推定的问题时都能迎刃而解吗? 』 『希望』兴奋的响应。 『那我们来重新整理一下刚才的过程好吗?』 『好!』 『请回想一下,刚才这个过程和我们的第一节统计课有什么关系?』 『老师,整个讨论好象还是延着I→P→O 的过程在进行嘛!』一位平常蛮沈默的同学倒先发言了。 『好极了,这是正确的观察,于是又在黑板上画出了。 I→P→O程序图,只是比以前又多加上三个空的框框 [pic] [pic] 然后,反身问同学 『你们猜老师刚才多加的框框内该填什么?』 『老师,答对了有没有奖品?』教室气氛一好,同学居然会开始撒娇了。 『跟我来这套!当然有奖品啊!答对的,下课时,可以先来擦黑板。』吐嘈 回去,反而逗得全班同学大乐。 『请问您还要不要先抢答?』 『老师,如果擦黑板是奖品,那擦黑板也没有关系,我猜第一个框框内应该 填“样本值”也就是刚才那个例子中的25个样本的厚度值。』 『答对了,请大家给这位自告奋勇擦黑板的同学掌声鼓励好不好?』热烈的 掌声让那位同学好不得意。 『那么第二个框框内该填什么呢?』 马上有同学举手,我故意逗他『你也想来擦黑板啊?』他嘿嘿傻笑,真是老 实的可爱,于是帮他解围── 『好,那请你先告诉大家你认为第二个框框内该填什么?』 『该填统计量就是[pic]和σ』连回答都很老实。 『又答对了!』这时同学的掌声己自动响起,真是一群会互相鼓励的学生。 『那第三个框框该填什么呢?』这个问题似乎让有些同学很为难,看到他们 痛苦的表情,不免又大动侧隐之心,于是说:『老师也想擦黑板,所以最后 一个框框可不可以由老师替大家来回答?』 『老师,没有关系,你替我答,我替你擦黑板』一位同学马上很阿莎力的响 应。 『好,那我们一言为定,第三个框框请填“推定结论”也可直接写成“95%的产 品厚度在[pic]±1.96σ的范围内”』顺便我又在黑板的另一边写下“推定的步 骤”五个大字,然后转身告诉同学── 『刚才三个框框的推理过程其实就是统计推定的步骤。』 然后我转身在黑板上写上: 步骤1. 随机抽取样本 步骤2. 计算统计量([pic],σ) 步骤3. 作出推定结论,下结论时可再细分成两步骤 步骤3A.决定信赖水准(Level of Confidence ,此例为95%) 步骤3B.决定信赖区间(Confidence interval ,此例即为[pic]±1.96σ) 『请各位记得这几个步骤,那么将来无论你们遇到什么推定的问题都可以很 容易地迎刃而解了』 『由于各位上课很认真尤其又肯热烈参与讨论,所以我再送各位一套锦囊, 好不好?』 『老师,那我也替你来擦黑板』严肃的班长居然也学会幽默了,这下非倾囊 相授不可,打开投影机,影幕上出现了── |常用信赖区间与σ个数对照表 | | 信赖水准 含盖σ个数 信赖区间 | | | | 90% 1.645 [pic]±1.645| |σ | | 95% 1.96 [pic]±1.96| |σ | | 99% 2.575 [pic]±2.575| |σ | | 99.73% 3 [pic]±3 | |σ | 『这张表其实就是从刚才的常态分配机率表上整理出来的,如果将来各位碰 上一些特殊的信赖水准,只要回去查表也一定会得到答案的。』 4.精益求精 虽然下课时间快到了,但是看着他们眼眸中的热情,我就舍不得不再多 教他们一点,使他们能真正成为善用推定的高手。 『同学们,统计的推定好不好玩啊?』 『粉好玩!』居然有人学董月花。 『粉好玩的事有时候反而粉危险,其中最大的危险就是说不定您的推定会" 贡姑",换句话说实际结果与您的推定可能会有很大的出入,请各位想想看 ,为什么会出现这种状况?』 『老师,会不会是样本有问题?』 『你认为样本可能会出现什么问题?』 『会不会所谓的样本其实不太具有代表性?』 『能不能举例说明?』 『譬如样本是工程师在实验室作出来的,而将来实际大量生产的产品却是由 生产线上的作业员生产的,这两者之间有许多不同,不知道这是不是就会造 成推定"贡姑"?』 『太好了,这位同学的想法正是推定步骤1在样本抽取上的大忌,像刚才他 举的例子,如果我们要推定一般的量产能力,结果却选取了工程师的特制产 品来作样本,这种样本就叫做偏差样本(Biased Sample),用已有偏差的样本来作推定,那当然会缪以千里了』 『老师,那我们该怎么办?』 『最具体可行的办法,就是随机抽样(Random Sampling),换言之,以刚才的例子我们其实应该让生产线的所有在制品都 有相同被抽中的机会,这样抽出的样本就可称为不偏样本(Unbiased Sample),从不偏样本得到的推论才会具有代表性,这就是统计学家为何一 再强调必须随机抽样(Random Sampling)的原因了。』 当大多数同学正陶醉在若有所悟时,却有一位同学狡黠地问了另一个问题─ ─ 『老师,偏差样本是推定中唯一的陷阱吗?』 『那你认为呢?』反将他一军。 『我猜应该还有别的。』 『别的又会是什么呢?』再用一次不偾不启的老招。 『刚才老师提到的第一个陷阱是有关样本品质(Quality)的问题,...
轻松学统计(3)
[下载声明]
1.本站的所有资料均为资料作者提供和网友推荐收集整理而来,仅供学习和研究交流使用。如有侵犯到您版权的,请来电指出,本站将立即改正。电话:010-82593357。
2、访问管理资源网的用户必须明白,本站对提供下载的学习资料等不拥有任何权利,版权归该下载资源的合法拥有者所有。
3、本站保证站内提供的所有可下载资源都是按“原样”提供,本站未做过任何改动;但本网站不保证本站提供的下载资源的准确性、安全性和完整性;同时本网站也不承担用户因使用这些下载资源对自己和他人造成任何形式的损失或伤害。
4、未经本网站的明确许可,任何人不得大量链接本站下载资源;不得复制或仿造本网站。本网站对其自行开发的或和他人共同开发的所有内容、技术手段和服务拥有全部知识产权,任何人不得侵害或破坏,也不得擅自使用。
我要上传资料,请点我!
管理工具分类
ISO认证 课程讲义 管理表格 合同大全 法规条例 营销资料 方案报告 说明标准 管理战略 商业计划书 市场分析 战略经营 策划方案 培训讲义 企业上市 采购物流 电子商务 质量管理 企业名录 生产管理 金融知识 电子书 客户管理 企业文化 报告论文 项目管理 财务资料 固定资产 人力资源 管理制度 工作分析 绩效考核资料 面试招聘 人才测评 岗位管理 职业规划 KPI绩效指标 劳资关系 薪酬激励 人力资源案例 人事表格 考勤管理 人事制度 薪资表格 薪资制度 招聘面试表格 岗位分析 员工管理 薪酬管理 绩效管理 入职指引 薪酬设计 绩效管理 绩效管理培训 绩效管理方案 平衡计分卡 绩效评估 绩效考核表格 人力资源规划 安全管理制度 经营管理制度 组织机构管理 办公总务管理 财务管理制度 质量管理制度 会计管理制度 代理连锁制度 销售管理制度 仓库管理制度 CI管理制度 广告策划制度 工程管理制度 采购管理制度 生产管理制度 进出口制度 考勤管理制度 人事管理制度 员工福利制度 咨询诊断制度 信息管理制度 员工培训制度 办公室制度 人力资源管理 企业培训 绩效考核 其它
精品推荐
- 1C语言难点及分析 409
- 2暗促-酒店玫瑰静悄悄地开 708
- 3终端陈列十五大原则 771
- 4****主营业务发展战略设计 682
- 5中小企业物流发展的对策 760
- 6主顾开拓 811
- 7主动推进的客户服务 622
- 8专业媒体策划与购买 680
- 9中远电视广告CF 792
下载排行
- 1社会保障基础知识(ppt) 16695
- 2安全生产事故案例分析(ppt 16695
- 3行政专员岗位职责 16695
- 4品管部岗位职责与任职要求 16695
- 5员工守则 16695
- 6软件验收报告 16695
- 7问卷调查表(范例) 16695
- 8工资发放明细表 16695
- 9文件签收单 16695


