通用管理系列教材：统计学基础（第2版） pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

贾俊平 著

图书标签:

• 统计学
• 管理学
• 教材
• 高等教育
• 大学教材
• 数据分析
• 概率论
• 数理统计
• 经济管理
• 第二版

出版社： 中国人民大学出版社

ISBN：9787300175133

版次：2

商品编码：11270367

包装：平装

丛书名： 通用管理系列教材

开本：16开

出版时间：2013-06-01

正文语种：中文

内容简介

　　《通用管理系列教材：统计学基础（第2版）》结合了作者多年的教学实践经验和国外优秀统计学教材的成果，在内容上包括描述统计方法、推断统计方法以及工商管理中常用的一些统计方法；在写法上与计算机紧密结合，大部分统计方法都给出了Excel的计算过程和结果。

作者简介

　　贾俊平，中国人民大学统计学院副教授。研究方向：统计方法在经济各领域的应用、统计教学方式和方法。主要著作有：《统计学》、《描述统计》、《工商管理统计》、《市场调查与分析》等。主持研究的“非统计学专业本科公共基础课——统计学教学改革”项目获2001年国家级教学成果二等奖、2001年北京市教学成果一等奖。2001年荣获北京市经济技术创新标兵称号，2003年荣获宝钢优秀教师奖等。

目录

第1章 统计和统计数据
1.1 统计及其应用领域
1.1.1 什么是统计学
1.1.2 统计的应用领域
1.2 数据的类型
1.2.1 分类数据、顺序数据、数值型数据
1.2.2 观测数据和实验数据
1.2.3 截面数据和时间序列数据
1.3 数据来源
1.3.1 数据的间接来源
1.3.2 数据的直接来源
1.3.3 调查方案设计
1.3.4 数据质量
1.4 统计中的几个基本概念
1.4.1 总体和样本
1.4.2 参数和统计量
1.4.3 变量
关键术语
思考与练习

第2章 数据的图表展示
2.1 数据的预处理
2.1.1 数据审核
2.1.2 数据排序
2.1.3 数据筛选
2.1.4 数据透视表
2.2 品质数据的整理与展示
2.2.1 分类数据的整理与图示
2.2.2 顺序数据的整理与图示
2.3 数值型数据的整理与展示
2.3.1 数据分组
2.3.2 数值型数据的图
2.4 合理使用图表
2.4.1 鉴别图形优劣的准则
2.4.2 统计表的设计
关键术语
思考与练习

第3章 数据的概括性度量
3.1 集中趋势的度量
3.1.1 平均数
3.1.2 中位数和分位数
3.1.3 各度量值的比较
3.2 离散程度的度量
3.2.1 极差和四分位差
3.2.2 平均差
3.2.3 方差和标准差
3.2.4 离散系数:比较几组数据的离散程度
3.3 偏态与峰态的度量
3.3.1 偏态及其测度
3.3.2 峰态及其测度
关键术语
思考与练习

第4章 抽样与参数估计
4.1 抽样与抽样分布
4.1.1 概率抽样方法
4.1.2 抽样分布
4.2 参数估计的基本原理
4.2.1 估计量与估计值
4.2.2 点估计与区间估计
4.3 总体均值的区间估计
4.3.1 正态总体、方差已知，或非正态总体、大样本
4.3.2 正态总体、方差未知、小样本
4.4 总体比例的区间估计
4.5 样本量的确定
4.5.1 估计总体均值时样本量的确定
4.5.2 估计总体比例时样本量的确定
关键术语
思考与练习

第5章 假设检验
5.1 假设检验的基本原理
5.1.1 假设的陈述
5.1.2 两类错误与显著性水平
5.1.3 检验统计量与拒绝域
5.1.4 利用P值进行决策
5.2 总体均值的检验
5.2.1 大样本的检验方法
5.2.2 小样本的检验方法
5.3 总体比例的检验
关键术语
思考与练习

第6章 相关与回归分析
6.1 变量间关系的度量
6.1.1 变量间的关系
6.1.2 相关关系的描述与测度
6.1.3 相关关系的显著性检验
6.2 一元线性回归
6.2.1 一元线性回归模型
6.2.2 参数的最小二乘估计
6.2.3 回归直线的拟合优度
6.2.4 显著性检验
6.2.5 利用回归方程进行估计和预测
关键术语
思考与练习

第7章 时间序列分析和预测
7.1 时间序列及其分解
7.2 时间序列的描述性分析
7.2.1 图形描述
7.2.2 增长率分析
7.3 时间序列预测的程序
7.3.1 确定时间序列的成分
7.3.2 预测方法的选择与评估
7.4 平稳序列的预测
7.4.1 移动平均法
7.4.2 指数平滑法
7.5 趋势型序列的预测
7.5.1 线性趋势预测
7.5.2 非线性趋势预测
7.6 复合型序列的分解预测
7.6.1 确定并分离季节成分
7.6.2 建立预测模型并进行预测
7.6.3 计算最后的预测值
关键术语
思考与练习

第8章 指数
8.1 引言
8.2 加权指数
8.2.1 加权综合指数
8.2.2 加权平均指数
8.2.3 价值指数与指数体系
8.3 几种常用的价格指数
8.3.1 零售价格指数
8.3.2 消费者价格指数
8.3.3 生产者价格指数
8.3.4 股票价格指数
关键术语
思考与练习

附录 用Excel生成概率分布表
参考文献

精彩书摘

本书是在21世纪通识教育系列教材《统计学基础》的基础上修订而成的。考虑到读者的特点和实际学习需要，本次修订保留了第一版的基本内容和风格，对时间序列分析和预测一章进行了重新编写，增加了多阶曲线等内容并对例题数据做了全面更新。练习题中增加了选择题部分，并给出了选择题和练习题的答案，供读者学习时参考。
全书共包括8章内容。第1章介绍统计学的一些基本问题，目的是让读者对统计学有一个基本的了解。第2章介绍数据的图表展示方法，使读者学会数据的基本处理方法和图形展示技术。第3章介绍数据特征的统计描述方法，主要讨论如何使用一些统计量来对数据进行概括性度量。第4章介绍抽样与参数估计，讨论一些常用的概率抽样方法，并重点介绍总体参数的估计方法。第5章介绍假设检验的基本方法，讨论总体均值和总体比例的检验方法。第6章介绍相关与回归分析方法，讨论变量之间关系强度的度量方法，并介绍一元线性回归方法及应用。第7章介绍时间序列的分析和预测方法，主要讨论时间序列的描述性方法以及对时间序列的预测。第8章介绍指数，主要讨论综合指数的编制方法及实践中常用的几种价格指数。

前言/序言

管理决策的基石：洞悉数据，驱动增长 在瞬息万变的商业世界中，每一个明智的决策都离不开对数据深刻的理解和精准的分析。统计学，作为一门研究如何收集、整理、分析和解释数据的科学，已不再是少数专业人士的专属技能，而是成为所有管理者必备的核心竞争力。它为我们揭示了隐藏在海量信息背后的规律，帮助我们识别趋势，评估风险，优化资源配置，最终实现企业价值的最大化。《通用管理系列教材：统计学基础（第2版）》正是为培养具备这种核心统计学素养的管理人才而精心编写的权威教材，它将复杂的统计学概念与管理实践紧密结合，旨在帮助您构建坚实的统计学基础，掌握在实际工作中应用统计方法的关键能力。 本书的编写宗旨是，让每一位读者，无论其先前是否接触过统计学，都能逐步掌握统计学的基本原理和方法，并能将其灵活地应用于解决实际管理问题。我们深知，许多管理者在面对数据时，常常感到无从下手，或者对统计分析结果的解读一知半疑。本书将通过清晰的逻辑、丰富的案例和循序渐进的讲解，打破这种隔阂，让统计学真正成为您洞察 business intelligence（商业智能）的有力工具。 第一部分：统计学入门与数据概览 在统计学领域扬帆起航，首先需要建立起对统计学基本概念的清晰认识。本书的第一部分将带您走进统计学的大门，理解其核心概念、研究范畴以及在管理决策中的重要作用。我们将探讨： 统计学的本质与意义： 究竟什么是统计学？它为何如此重要？在市场研究、生产控制、人力资源管理、财务分析等众多管理领域，统计学是如何发挥关键作用的？我们将通过生动的事例，阐释统计学如何帮助我们从不确定性中寻找确定性，从繁杂的数据中提炼出有价值的信息。 数据的类型与测量尺度： 数据是统计分析的“原材料”，理解不同类型的数据以及它们的测量尺度，是正确应用统计方法的前提。本书将详细介绍定性数据（如类别型、顺序型）和定量数据（如离散型、连续型）的差异，并深入解析名义尺度、顺序尺度、区间尺度和比例尺度的特点及其对统计分析方法的选择带来的影响。 数据收集与抽样方法： 严谨的数据收集是获得可靠分析结果的基石。我们将介绍各种常见的数据收集方法，如普查、问卷调查、访谈、观察等，并重点讲解抽样技术。理解简单随机抽样、系统抽样、分层抽样、整群抽样等多种抽样方法的原理和适用场景，将帮助您在有限的资源下，科学地抽取具有代表性的样本，从而做出更具普遍性的推断。 数据的可视化表达： “一图胜千言”。数据的可视化是理解和沟通数据信息最直观有效的方式。本书将详细介绍各种统计图表，如直方图、条形图、饼图、折线图、散点图、箱线图等，并指导您如何根据数据类型和分析目的选择最合适的图表形式。通过对图表的解读，您将能够快速识别数据的分布特征、变量之间的关系以及异常值，为后续的深入分析奠定基础。 描述性统计的初步探索： 在对数据进行初步了解之后，描述性统计成为整理和概括数据特征的下一步。我们将系统介绍描述性统计量，包括集中趋势的度量（均值、中位数、众数），离散程度的度量（方差、标准差、极差、四分位数间距），以及形状的度量（偏度、峰度）。这些统计量将帮助您全面而简洁地描述一组数据的基本特征，从而获得对数据的初步认识。 第二部分：概率论基础与离散概率分布 统计学是概率论的应用，理解概率论的基本概念是深入掌握统计推断的关键。本部分将为您构建坚实的概率论基础，并介绍几种重要的离散概率分布。 概率的基本概念： 我们将从事件、样本空间、概率的定义入手，深入理解概率的性质和计算方法。掌握条件概率、独立事件、联合概率等概念，将为理解更复杂的统计模型打下基础。 随机变量及其分布： 随机变量是描述不确定性结果的数学工具。本书将区分离散型随机变量和连续型随机变量，并详细介绍它们的概率质量函数（PMF）和概率密度函数（PDF）。 二项分布与泊松分布： 这两种离散概率分布在管理实践中有着广泛的应用。我们将探讨二项分布在质量控制、市场调研中进行计数分析的场景；介绍泊松分布在描述单位时间内事件发生次数，如客户服务呼叫量、产品故障率等方面的应用。理解它们的模型假设、参数意义以及如何计算相关概率，将有助于您解决实际问题。 第三部分：连续概率分布与抽样分布 在掌握了离散概率分布之后，我们将进入更为普遍和重要的连续概率分布领域，并探讨统计推断的另一关键工具——抽样分布。 正态分布及其应用： 正态分布，又称高斯分布，是自然界和许多社会现象中最常见的分布。我们将深入剖析正态分布的特性，包括其对称性、钟形曲线以及与标准正态分布之间的关系。理解正态分布将为后续的参数估计和假设检验提供理论支持。 其他重要的连续概率分布： 除了正态分布，本书还将介绍指数分布、均匀分布等其他常见的连续概率分布，并阐述它们在不同管理场景下的应用，例如指数分布在可靠性工程中的应用。 抽样分布的概念： 当我们从总体中抽取样本并计算统计量（如样本均值、样本比例）时，这些统计量本身也具有一定的概率分布。本书将详细介绍抽样分布的概念，特别是样本均值的抽样分布，并重点讲解中心极限定理（Central Limit Theorem）的强大威力。中心极限定理揭示了，无论总体分布如何，当样本量足够大时，样本均值的抽样分布都近似服从正态分布，这是统计推断得以成立的基石。 第四部分：参数估计 在了解了概率分布和抽样分布之后，我们便可以着手进行参数估计，即利用样本信息来推断总体的未知参数。 点估计： 点估计是用样本统计量来估计总体参数的单个值。本书将介绍矩估计法和最大似然估计法等常用的点估计方法，并讨论点估计的性质，如无偏性、有效性和一致性。 区间估计： 点估计只能提供一个数值，而区间估计则能提供一个包含总体参数的概率范围，即置信区间。我们将重点讲解如何构建总体均值、总体比例的置信区间，并深入理解置信水平的含义。掌握区间估计，将帮助您更全面地评估总体参数的不确定性。 利用统计软件进行参数估计： 考虑到实际应用的需求，本书还将介绍如何利用主流的统计软件（如Excel、SPSS等）来执行点估计和区间估计，让您能更高效地将理论知识转化为实践操作。 第五部分：假设检验 假设检验是统计推断的另一重要组成部分，它提供了一种系统化的方法来判断基于样本证据，我们是否应该拒绝关于总体参数的某种“假设”。 假设检验的基本原理： 我们将详细讲解零假设（H0）和备择假设（H1）的设定，统计检验量的构造，以及P值和显著性水平的概念。理解如何做出统计决策，即接受或拒绝零假设，是假设检验的核心。 关于总体均值的检验： 本书将重点讲解关于单个总体均值的Z检验和t检验，以及两个总体均值之差的Z检验和t检验。这些检验方法在评估产品质量、比较不同营销策略效果、分析投资回报率等方面有着广泛的应用。 关于总体比例的检验： 除了均值，我们还将学习如何进行关于单个总体比例和两个总体比例之差的Z检验。这在市场调研中评估顾客满意度、分析销售转化率等方面至关重要。 卡方检验： 卡方检验是一种非参数检验方法，用于分析分类数据。本书将介绍卡方独立性检验和拟合优度检验，帮助您分析变量之间的关联性，评估观测数据是否与理论分布相符。 方差分析（ANOVA）： 当我们需要比较三个或更多个总体的均值时，方差分析就显得尤为重要。我们将介绍单因素方差分析（One-Way ANOVA）的基本原理和应用，例如比较不同生产线的产品质量是否存在显著差异。 第六部分：相关与回归分析 本部分将带领您探索变量之间的数量关系，并利用回归模型进行预测。 相关分析： 我们将介绍相关系数的概念，包括皮尔逊相关系数，并学习如何度量变量之间线性关系的强度和方向。理解散点图与相关系数的解读，将帮助您识别潜在的业务关联。 简单线性回归： 简单线性回归是分析一个自变量与一个因变量之间线性关系的最基本模型。我们将讲解回归方程的建立，解释回归系数的含义，并介绍如何评估模型的拟合优度（如决定系数R²）。学会利用简单线性回归进行预测，将为您的业务决策提供量化依据。 多元线性回归： 在实际管理中，往往存在多个因素共同影响某个结果。本书将介绍多元线性回归模型，学习如何解释多个自变量的回归系数，以及如何处理多重共线性等问题。 回归模型的诊断与应用： 我们将探讨如何通过残差分析来诊断回归模型的有效性，以及如何避免过度拟合。同时，还将介绍回归模型在销售预测、成本分析、风险评估等领域的实际应用案例。 第七部分：时间序列分析入门 在很多管理场景下，我们关注的数据是随时间变化的，例如销售额、股票价格、用户活跃度等。本部分将为您介绍时间序列分析的基础知识。 时间序列数据的特征： 我们将探讨时间序列数据中的趋势、季节性、周期性和随机性等成分。 平滑和预测方法： 本书将介绍简单移动平均法、指数平滑法等基本的平滑和预测技术，帮助您对未来的趋势进行初步的估计。 基本的模型构建： 简要介绍自回归（AR）和移动平均（MA）模型的概念，为理解更复杂的时间序列模型打下基础。 贯穿全书的特色： 实践导向： 本书的每一个章节都紧密结合管理实践，通过大量贴近实际的案例，帮助读者理解统计学概念的实际应用价值。 循序渐进： 从基础概念到复杂模型，本书的逻辑结构清晰，讲解深入浅出，确保读者能够逐步掌握统计学知识。 图文并茂： 大量图表、公式和表格的使用，使得抽象的统计概念更加形象直观。 强调理解与应用： 本书不仅教授“如何计算”，更注重“为何如此”以及“如何解释结果”，培养读者独立分析和解决问题的能力。 软件辅助： 本书将适时介绍主流统计软件在数据分析中的应用，帮助读者将理论与实践相结合。 《通用管理系列教材：统计学基础（第2版）》不仅仅是一本教材，更是您通往数据驱动决策之路的向导。它将帮助您超越表面数字，洞察数据背后的真正含义，从而在竞争激烈的商业环境中，做出更明智、更精准的决策，驱动企业持续增长。无论您是正在学习管理学的学生，还是希望提升自身数据分析能力的在职管理者，本书都将是您不可或缺的学习伙伴。

评分☆☆☆☆☆

收到，我将根据您的要求，以一个读者的口吻，为您撰写五段关于《通用管理系列教材：统计学基础（第2版）》的详细书评，每段约300字，且风格、内容和语句结构各不相同，不包含任何对提问或AI的提及。 --- 这本书的封面设计相当简洁，拿在手里沉甸甸的，感觉内容会非常扎实。我是在准备一个重要的数据分析项目时开始翻阅的，坦白说，我的统计学背景有点薄弱，很多概念停留在高中时代的模糊印象里。刚开始看的时候，我对“概率论基础”那一章感到有些吃力，各种符号和公式像是天书一样。但是，作者在引入这些复杂概念时，似乎非常注重与实际管理的结合。比如，在讲到“中心极限定理”时，他们没有仅仅停留在数学推导上，而是通过一个关于库存管理的例子来阐述，这一下子让我抓住了核心思想——为什么在样本量足够大的情况下，我们可以对整体情况做出可靠的预测。这种由浅入深，不断用实际案例来佐证理论的编排方式，让我的学习曲线变得平缓了不少。我特别欣赏的是，它并没有回避那些枯燥的计算部分，而是将它们清晰地列出，同时配上了现代数据分析软件的操作指南。虽然我还没有深入到高级回归分析的部分，但目前为止，这本书给我的感觉是，它不仅仅是在教你统计学知识，更是在教你如何用统计学的思维去解决管理中的实际问题。对于想要从零开始系统梳理统计学知识的管理者或学生来说，这本书的详实程度是值得肯定的，它确实体现了“基础”二字的重量。

评分☆☆☆☆☆

我尝试了用这本书来辅导一位初级分析师，从“教学”的角度来审视它的内容组织，我认为它在理论深度和广度上的覆盖非常全面，尤其是对于一个“基础”教材而言。它不仅仅停留在描述“如何计算”，更强调了“为什么这么计算”。例如，在讲解“相关性与因果性”时，它用了一整段的篇幅来剖析混淆变量（Confounding Variables）的影响，这对于避免初级分析师得出错误的业务结论至关重要。这本书的深度体现在它对统计学概念背后的哲学思考有所涉及，而不是简单地将统计学工具堆砌起来。对于我这样已经有一些经验的人来说，这本书提供了一个极好的“复盘”和“查漏补缺”的平台，让我能重新审视自己过去那些凭感觉做出的统计判断。它迫使我去思考，我的结论是否有更严谨的统计学支撑。当然，对于那些希望直接学习深度学习或时间序列建模的读者来说，这本书的范围可能稍显保守，但正因为它聚焦于“基础”，它打下的地基才如此坚实可靠，确保了未来学习任何高级统计方法时，都不会因为基础概念模糊而卡壳。

评分☆☆☆☆☆

这本书的排版和视觉呈现，对于一本侧重量化分析的教材来说，绝对算得上是教科书级别的典范。我是一个非常注重阅读体验的人，如果一本书密密麻麻全是黑白文字，我很容易产生畏难情绪。然而，这本书在视觉设计上花了很多心思。首先，重点公式和关键定义都采用了醒目的底色框或加粗处理，即使在快速翻阅时，重要的知识点也能自动跳入眼帘。其次，图表的质量非常高。无论是直方图、散点图还是回归残差图，它们的坐标轴清晰、图例明确，并且每一个图表都紧密地服务于它所解释的统计概念，而不是为了美观而存在。我特别提一下关于“回归分析”的那几个章节。作者用不同的颜色线条来区分拟合优度好的模型和拟合效果差的模型，这种视觉上的对比，比单纯的R平方数值更能直观地告诉我模型的好坏。这种对细节的关注，体现了编辑和作者对读者体验的尊重。如果你像我一样，需要从大量信息中提炼出核心规律，那么这种结构清晰、视觉友好的布局，无疑是能大大提升学习效率的加分项。

评分☆☆☆☆☆

说实话，我购买这本教材时，主要是冲着它“第2版”的更新来的，因为第一版我听说有点过时了，尤其是在处理大数据和利用现代软件工具方面。翻开目录，我立刻注意到了它在描述性统计和推断性统计之间的平衡处理。过去我看过的很多统计学书，要么过于偏重理论证明，读起来像在啃数学分析，要么就是过于侧重软件操作，让你只知其然不知其所以然。这本书的编排显然找到了一个微妙的平衡点。它对假设检验的讲解尤其深入，从零假设到备择假设的建立，再到P值的解读，作者用了大量的篇幅，甚至绘制了多个不同的分布图来对比不同检验方法的适用场景。有一点让我印象特别深刻，那就是在讨论“方差分析（ANOVA）”时，它没有直接跳到F检验，而是先花了整整一节来解释多组均值差异背后的逻辑链条，这种循序渐进的教学方法，极大地增强了我对模型构建的直观理解。唯一的小遗憾是，我个人希望在非参数检验的部分能有更多的篇幅，毕竟在真实世界中，数据分布不满足正态性的情况远比教科书里描述的要常见。总体而言，第2版的更新使得这本书在理论深度和实用性之间取得了更好的融合。

评分☆☆☆☆☆

我是一个在职的供应链经理，平时工作强度很大，很难有大块时间进行纯理论学习。我对这本书的评价，很大程度上取决于它在“效率”和“可操作性”上的表现。从这个角度看，它做得相当出色。这本书的结构设计非常有利于碎片化学习。每一章节的开头都有一个明确的“学习目标”清单，读完这一节后，我通常会快速回顾一下这些目标是否达成，这形成了一种非常高效的自检机制。尤其赞赏它在“抽样方法”和“置信区间”这两个关键概念上的处理。它没有使用过于晦涩的术语来包装这些概念，而是直接抛出问题：“我们如何用有限的资源去了解整个仓库的货物质量？”然后自然地引出简单随机抽样、分层抽样等方法的优缺点。对于我们这些需要快速将学到的知识转化为业务决策的人来说，这种“问题驱动”的学习路径是救命稻草。此外，书中提供的案例数据都是与供应链、市场营销、财务管理等通用商业领域强相关的，这避免了阅读过程中产生“这和我有什么关系”的疏离感。这本书更像一个精干的业务顾问，而不是一个学术教授。

评分☆☆☆☆☆

作者简介

评分☆☆☆☆☆

3 14 3 直立或匍匐草本；叶柄不扁平和不为叶状。

评分☆☆☆☆☆

，一点，一点，一点点地看完了朝花夕拾，连串的时间，连串的记忆，真想将鲁迅爷爷的记忆当做我的。整本文集用词语简洁柔和，正是鲁迅爷爷的平易近人的体现。书中的抨击，讽刺，嘲笑，正是鲁迅爷爷对当时社会的反感与不满，表现了一个想让让民族进步，想让社会安定，为孩子着想的鲁迅爷爷。，园中淘气天真的小孩子，观菜畦、吃桑葚、听鸣蝉与油蛉和蟋蟀的音乐会，看黄蜂、玩斑蝥、拔何首乌、摘覆盆子。到在书屋读书习字，三言到五言，再到七言。课上偷偷画画，到书屋的小园玩耍。无一不体现出小孩子追求自由，热爱大自然的心态，也表现了社会对孩子们的束缚。，这两个人物，给鲁迅先生留下了深刻的回忆。两个由当时社会造就的人物。一个下层的劳动者，善良、真诚、热爱和关心孩子的阿长，她思想、性格上有很多消极、落后的东西，是封建社会思想毒害的结果，表现了当时社会的浑浊、昏暗。正直倔强的爱国者范爱农，对革命前的黑暗社会强烈的不满，追求革命，当时辛亥革命后又备受打击迫害的遭遇。体现了旧社会人民对束缚的反抗，向往自由、安乐的心。人民从囚禁中走向了反抗。，这两个人物，是当时社会的反照，人们受尽黑暗的压迫，到起来反抗，经历了多少次改革与战争，才有了我们现在安定自在的生活呀！现在，我们可以愉快地生活这，家里有电视电话，有的还有电脑，繁杂的电器设备和自由的生活，我们不用遭受黑暗社会的压迫，不用吃苦，更不用去闹革命。这都是无数革命烈士用自己的先躯换来的，我们应该珍惜眼前的生活。，是鲁迅爷爷对往事的回忆，有趣的童年往事、鲜明的人物形象，一件一件往事，同时也抨击了囚禁人的旧社会，表现了鲁迅爷爷对艰苦劳动人民的惋惜、同情，也表现了对当时社会的厌恶，告诉我们不要再回去那让人受苦的社会，更表现了对阻遏人民前进、折腾人民、损害孩子、保留封建思想的人的痛恨。让我们了解历史，感谢美好生活的由来。

评分☆☆☆☆☆

新书，正品，赶在活动期买的，还好

评分☆☆☆☆☆

天南星科观叶植物虫害主要有蚜虫，可用速扑杀、功夫、氧化乐果等防治，每隔4—5天喷药一次，重复2—3次。蛞蝓和蜗牛也对观叶植物有危害，常用防治药剂为密达8%灭蜗灵。

评分☆☆☆☆☆

3 14 3 直立或匍匐草本；叶柄不扁平和不为叶状。

评分☆☆☆☆☆

书不错，没有坏的，好评！

评分☆☆☆☆☆

2 17 2 花有花被。

评分☆☆☆☆☆

作者简介