作者：詹小平
页数：150页
出版社：四川大学出版社
出版日期：2019
ISBN：9787569029284
电子书格式：pdf/epub/txt
内容简介
本书从实际的法律数据入手, 针对不同的数据类型介绍统计表和统计图以及常用的统计量, 阐述概率的概念, 介绍常用的概率模型, 阐述推断统计总体和样本的概念, 介绍估计方法和假设检验的基本思想。结合具体的法律数据和问题, 在经典的实证研究论文中选取案例来介绍均值比较、相关分析、回归分析的思想、方法和应用。
作者简介
詹小平，现就职于四川大学法学院，统计学博士，诉讼法博士后，从事统计学教学和科研工作多年，曾出版教材《概率论与数理统计》，在SCI检索外文期刊上发表多篇文章。
洪凌啸，四川大学法学院博士研究生，主要研究方向为司法制度、法律大数据与人工智能。
本书特色
本书从实际的法律数据入手，针对不同的数据类型介绍统计表和统计图以及常用的统计量，阐述概率的概念，介绍常用的概率模型，阐述推断统计总体和样本的概念，介绍估计方法和假设检验的基本思想。结合具体的法律数据和问题，在经典的实证研究论文中选取案例来介绍均值比较、相关分析、回归分析的思想、方法和应用。
目录
第一章 法律数据及数据类型
第一节 实证研究入门
第二节 法律数据
第三节 定性数据与定量数据
第四节 绝对数与相对数
第五节 截面数据、时间序列数据与面板数据
第六节 需要澄清的几个问题
第二章 法律数据的描述
第一节 统计分组
第二节 统计表
第三节 常用统计图
第四节 数据分布特征的描述
第三章 概率及常用概率模型
第一节 概率
第二节 随机变量及相关概念
第三节 二项分布
第四节 正态分布
第五节 随机变量的极限理论
第四章 法律现象之推断统计
第一节 基本概念
第二节 抽样调查
第三节 常用的抽样分布
第四节 参数估计
第五节 假设检验
第五章 法律现象的关联度量
第一节 相关分析
第二节 通过图形描述相关关系
第三节 常用的相关系数
第四节 列联表中的相关性分析
第五节 其他相关系数
第六章 回归模型
第一节 一元线性回归模型
第二节 多元线性回归模型
第三节 线性回归的衍生模型
第四节 二分类Logistic回归模型
第五节 有序多分类Logistic回归模型
第六节 无序多分类Logistic回归模型
第七节 实证研究中回归模型的使用问题
第七章 算法与法律
第一节 法律人工智能算法的困境
第二节 算法“困境”：缘何如此
第三节 法律人工智能算法的改进
参考文献
后记
