支持App学习
微信开课提醒服务
关注华图商城及时接收上课通知
10309人关注
课程ID：27899&
《统计学专业知识》基础精讲班
课程已下架，
课程已下架，
每个课程仅列举了前10讲
【统计学】试听免费
【统计学】第1讲：绪论
【统计学】第2讲：基本概念统计调查
【统计学】第3讲：统计整理（1）
【统计学】第4讲：统计整理（2）
【统计学】第5讲：总量指标
【统计学】第6讲：相对指标
【统计学】第7讲：平均指标
【统计学】第8讲：变异指标
【统计学】第9讲：时间序列指标
华图在线课程如何购买？
答：请您先注册成为华图在线会员，通过网银、支付宝等方式在线支付即可。（1）录播课程，可直接报名，支付完成即可听课；（2）直播课程，支付成功之后根据直播课程详情页介绍关注直播时间；含回放的课程会在直播完48小时内上传回放课件，错过直播的亲们也可以看回放内容；（3）一对一课程，购买完成后请主动联系客服老师，便于给您安排一对一老师；（4）协议班课程，请先联系咨询老师（400-817-6111），确认是否可以报名该班次（因协议班受职位保护、考试时间、考前测评等因素影响）。
华图在线的课程有效期是多久？
答：（1）协议班课程有效期：从付款之日起，截止至本次报班所签署协议考试结束；例：2018年国家公务员笔试协议班有效期至2018年国考笔试结束。（2）非协议课程有效期：从购买之日起365天内有效。（公考提分班可以无限期听课）
1课时是多长时间？1课时等于1讲吗？
答：（1）1课时时长按照40分钟计算；（2）1课时不等于1讲。为了保证课程的完整性，1讲约30分钟不等，因此课件数量一般要多于课时数。
网络课程必须联网才能观看吗？
答：网络课程提供在线和下载观看两种学习方式。（1）手机观看：下载华图在线App，下载地址：http://v.huatu.com/app/。（2）电脑在线观看：登陆v.huatu.com（建议使用谷歌或搜狗浏览器），点击右上角用户名-我的课程，直接点击学习即可。
（3）手机M站在线观看，网址：http://m.v.huatu.com/。
（4）电脑下载观看：须安装BJY播放器，下载的视频仅支持本机验证（即下载视频到电脑之后，联网登陆打开视频1次，即可获得一周10次的本地验证次数，次数用完或到期需重新联网验证）；直播回放课程暂不支持PC端下载。
（5）APP下载观看：进入课程学习页面，点进下载符号，课程缓存成功后， 即可在没有网络的情况下观看。
视频课程是否配有资料？
答：课程一般都配有与授课内容相匹配的图书或电子版讲义（PDF格式，需要下载安装PDF阅读器观看且不能转换成word版本），电子版讲义可以下载打印。其他资料有习题、申论范文、时政热点、官媒精选文章、常用公式等，不同课程配套资料不一样，详见课程详情。
学习中有不懂的问题，怎么办？
答：遇到知识点不理解、题目不会做，可以听课页面右上角答疑页面提问，教研老师会在工作日的24小时内及时回复；部分含课后辅导的学员，也可以参加周三、周五的晚课后辅导，辅导时间详见会员中心公告。
400-817-611109:00-21:30
北京华图宏阳网络科技有限公司 版权所有
Copyright(C) v.huatu.com Inc. All Rights Reserved
京ICP备号-11 京ICP证130150号 京公网安备70号豆丁微信公众号
君，已阅读到文档的结尾了呢~~
统计学学习心得体会3篇
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
统计学学习心得体会3篇
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='http://www.docin.com/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口女生学的人多吗
相比较而言,学统计学的女生比较少,但是还是有很多女生学统计学学的很棒的,只要有兴趣,没有学不好的
虽然统计是市场调查，社会调查等研究的基础，但是在中国真的把统计应用与市场调研的企业几乎没有，企业做决策也不会看这些调查资料．因此统计专业前途一片光明，道路一条没...
虽然统计是市场调查，社会调查等研究的基础，但是在中国真的把统计应用与市场调研的企业几乎没有，企业做决策也不会看这些调查资料．因此统计专业前途一片光明，道路一条没有！慎重选择
类似问题换一批
相关推荐换一换
有问题 @ 爱问Powered by iask.com
举报原因(必选)：
广告或垃圾信息
不雅词句或人身攻击
激进时政或意识形态话题
侵犯他人隐私
其它违法和不良信息教你识破生活中的统计学陷阱 | 科学人
本文整理自科学人线上沙龙，“教你识破生活中的统计学陷阱”
张忠元，中央财经大学统计与数学学院教授，博士生导师。 主业是数据分析, 尤其是复杂网络分析，主要讲授统计学、运筹学、数学分析等课程。
从生活中的统计学案例开始
非常感谢大家在周末牺牲自己的业余时间听我唠叨统计学，我们就废话不多说，开始正题。首先从四个案例开始讲起，进入我们今天的活动。
案例一：信仰的力量？
link:http://blog.sina.com.cn/s/blog_bespd.html
这是流传甚广的一篇文章《信仰的力量：两个家族200年后的统计》，估计很多人都读过这篇心灵鸡汤。
美国学者A.E.Winship在1900年做了一项统计学研究，比较两个家族两百年的情况，写成Jukes-Edwards一书。他追踪他们近两百年以来的繁衍发展。一个家族从Max Jukes开始，Jukes是个无神论者，生于1700年。另一个家族从Edwards开始，Edwards是个虔诚的传道人，生于1703年。
经过统计，得出了一份鸡汤满满的答案。传道者的家族发展更繁荣，后代中优秀人士更多。“看来还是要相信有人管着你，人必须有约束。你所处的环境和你相处的人很重要！相信头上三尺有神灵，相信人在做天在看！”这结论就问你怕不怕！
案例二：当年高考状元今何在？
link:http://toutiao.com/a/
当年高考状元今何在？是一个2015年的关注高考状元职业发展状况的调查。
这个调查文末得出的结论说的是社会对高考状元的职业预期水平与非状元不能相提并论，但是高考状元进入职场之后成为出类拔萃的顶尖人员偏少，由此可知高考状元的成才率低于社会预期。
案例三：癌症发病率和转基因作物的种植有关？
第三个案例是一部长达一个多小时的纪录片，崔永元一行人通过人物访谈、实地调查等方式，以自己的立场为基础，记录了美国转基因食品的现状和人们对转基因食品的观点。
在片子一开始，就请出一位名叫南茜?斯万森的大学教授，展示了所谓“草甘膦使用量和疾病高相关性”的关系图。在图中，南茜?斯万森声称草甘膦使用量和一些疾病呈现显著的正相关，其相关系数可达0.96以上。片中以此暗示了草甘膦是导致这些疾病的元凶。
而这其中也存在着很多统计学的滥用和错用。
案例四：弹孔中的统计学
二战期间，美国陆军航空队找到统计学家亚伯拉罕·瓦尔德，希望他帮助解决一个迫切的问题：美军统计执行任务返回的轰炸机上的弹孔时发现，机身上的弹孔最多，发动机上的最少。他们希望瓦尔德能够计算出，如何增加飞机的抗击打能力。
统计学家给出的答案与预期大相径庭。“在弹孔最少的地方增加防护。”瓦尔德告诉军方，发动机舱弹孔最少，是因为被击中那个位置的飞机很难活着回来”。
这里四个案例先给大家留下思考的时间，我们先来讲一讲统计学的发展，最后我们再回头给大家揭晓这四个案例中的统计学真相。
统计学发展历史
这里做了一个非常粗略的时间线。统计学的内容是非常丰富的，这里仅仅是拿出一些具有代表性的时间点和大家分享。
统计学可以分为频率学派和贝叶斯学派。贝叶斯我们应该有所耳闻。贝叶斯定理的想法就是由他提出的。
贝叶斯在在世的时候并没有受到重视，像我们看到上面他的照片和出生年都是后人猜测的，并不精准。有一篇文章是用贝叶斯方法来估计他本人的出生年月，估计他出生的年月大约是在1701年末至1702年初之间。
时间线里面涉及到很多统计学的方法和模型，大家可以回头自行搜索了解下。随着统计学的逐渐发展，我们能够看到统计学的应用方向也越来越广泛，例如政府统计、生物统计、农业统计、金融、证券、程序规划等等。我们吃的现代药物同样也需要统计学家设计恰当的临床实验方法以证明有效，随后才能上市、卖给患者治疗疾病。GDP、CPI（消费者物价指数）也都需要统计学家的工作。
对统计概念和方法的常见误用
统计方法常被滥用，许多对统计的滥用可能出于无意，也可能出于故意。
那接下来我们来讲解一些常见的对统计学不恰当的使用。
相关不等于因果
虚假相关常常存在，原因可能是因为巧合，也可能是因为不恰当的数据处理方法等等。
即便相关性真的存在，相关性也不等于因果性。两件事情是相关的，他们的原因非常多。也许A确实是B的原因，或者B是A的原因，也可能A和B有一个共同的原因，或者A和C共同作用导致B或B和C共同作用导致A。
举例说明，研究发现，阅读科学博客多的人，他的科学素养水平就越高。这两件事情之间是有相关的，但许多人可能就认为这两件事是有因果的。但其实可能是因为受到的教育程度越高，造成你愿意去阅读科学博客，所以科学素养比较高。所以很可能这两件事有共同的原因，很多时候大家会误把相关当成因果了。
曾有人研究鼻咽癌和粤语的关系，给出的结论说，＂广州人常说粤语及移居国外仍常说粤语的人鼻咽癌患病率较高;患变应性鼻炎的人鼻咽癌发病率明显偏低。＂ 这个结论就是很明显地误把相关当成因果，说粤语的人的确容易患鼻咽癌，这两者的确是有相关性，但这之间不是因果，南方人说粤语同时爱吃槟榔，嚼食槟榔我们有明确的医学证据，在物理和化学因素上易造成鼻咽癌。所以说粤语和得鼻咽癌是有相关性，但不是因果的。
但是我们很多情况之下不需要知道因果，即可做决策。大数据时代是不是就不用再研究因果，只要知道相关就可以做出决策了呢？这件事是有争议的。我个人认为还是要研究因果的。因为科学研究最重要的、最基本的出发点和目标点就是要满足全人类的好奇心，就是要知道内在的机理，如果我们不追求因果就很难了解它，并违背做研究的初衷了。其次，我们如果不知道因果，就难以做深层的决策。
所有的统计模型都该有前提条件
所有的模型都是有应用的场景的，是有前提条件的。如果应用场景不适合、前提假设不满足，则模型的使用不会得出恰当的、有意义的结果。
接下来我们来解释P-value。要分析一个事情的机理，我们必须先做一个假设，然后我们看观察到的数据和假设的兼容性如何，兼容性越低，P-value越小，说明假设正确的概率越低，那么我们可以认为假设是错的。
比如说我们制药，我们会先默认这个药是无效的，因为有效是罕见的情况。那么我们默认药物是无效的，然后透过临床分析方法获得数据，观察数据和假设是不是兼容的，最后若发现很不兼容则可以拒绝此假设，进而相信药物是有效的，所以p-value是一个重要的工具。
但是p-value有没有缺点呢？p-value表达的是观察到的数据和假设之间的兼容性的问题。P-value只能说明手里的数据和假设是不兼容的。那么数据到底是不是可靠？数据采集和分析的过程是否是恰当？若我们都只采用p-value来判断是看不出来的。这是其一。
其二，我们收集到的数据和假设一看很兼容，那我们可能可以通过“裁剪”数据得到不兼容的结论。另外我们收集数据常用抽样的方法进行分析问题，得到的结论有可能是巧合。p-value的使用很重要，但不是万能的。要如何恰当的使用p-value呢？首先要诚实。数据不能精巧的裁剪，数据使用要透明，不能只报告对自己有利的，得到的P-value最好能有领域内的其他文献、专业知识来进行验证。还有就是如果条件允许，最好做重复的实验。因为大量的实验都是抽样得到数据，若能每次的数据都和原假设不兼容，那么原假设是错误的可能性就非常大。所以，一个p-value是0.01、另一个是0.04，但做了重复性实验或者有领域内知识做支撑，这样两者之间谁的结果更可靠还未可知。p-value是重要的但不能作为唯一标准。
个案不能说明问题
上面这张图，一个老奶奶吸烟、喝酒，可是活得很久。她也承认很多人这么做都比她早去世，但另一个人就此把吸烟喝酒当做了长寿的秘诀。
个案不能说明问题的原因很多，最基本的就是缺乏对照组来研究。比如说通过调查显示，高考状元都是说汉语的，所以要加强语文教学。这样说是不对的，因为缺乏比较、对照。其实我们都是在比较中增加知识、经验的，用个案来支撑观点是很不恰当的。
误导性的图表
非常常见的错误还有误导性的图表。比如说我们看下面这张信息图表：
现在的信息图表会用一些形象的图形来体现，若是要体现武器就用坦克图片、要探讨不同国家的人口多少就用国旗的大小来表示。上图两张图都是用圆形图来说明投资在不同疾病上的钱数和疾病死亡的人数之间的关系，想要说明的是在某些疾病上投入了很多钱，但这些疾病却并非是死亡率最高的。那左边这张图的问题在哪里呢?图形想要表示的是A是B的2倍，但是在画图的时候，把A的直径画为B的2倍，这样面积其实是4倍，这样很容易就误导成A是B的4倍。所以在看这种信息图的时候要小心不要被误导，必须谨慎。右面的图就是用面积来体现，这样表达才没有因为面积的放大而显得那么夸张。
下面还有几个在画图的时候常见的坑，我们来一一了解一下。
第一个，Y轴不从零开始，这样很小的差异，其实会把差异变得非常大、产生很大的误导。
第二个，相关性误导成因果性。上图是一个相关性的图表，它们两个其实是没有因果性的，但是把他们画在一起，因为读者的思维定式，还是很可能认为他们是有因果关系的，所以画两个相关的线一定要小心谨慎。
最后来看这张地图，这是英国苏格兰要求脱英的地图，绿色是反对脱英、红色是支持的。从图上来看，反对脱英的人口好像很多，但事实上反对脱英的人占了百分之五十五，赞成脱英占了百分之四十五左右。为什么会产生这样的情况呢？因为人口密度不均匀的，红色的那块是城市、虽然面积小，但人口密度高，所以在地图上展示会给大家带来误导。那我们要怎么画地图呢？地图上不能画绝对数，用相对数乘以面积才有意义。大家画和看地图都要小心。
一个小时这么快就过去了，现在我们回过头来讲讲文首的案例。
一个是信仰的力量，这个案例说明＂个案不能说明问题＂。做统计分析要有对照组，但对照组也不能瞎对照，尤其把两个个案进行对照是不对的。
上面这段视频是我从电视上看到的，缺乏领域内的专业知识并将个案作为事实进行比较，这都是是滥用统计的经典例子。最开始提到的高考状元的例子，也是缺乏对照组。
之前我还讲到飞机弹孔的例子，虽然大家可能都听过，但这篇原文大约是一百页。它并非我们写成鸡汤那样一拍脑袋就说明了，还有许多相关的研究做支撑的。
样本数量太少难以取得？
我们在研究问题时当然是样本数越多越好，所以统计学在大数据时代是大有作为的。但是很多情况下样本数据本身不会很多，例如信用卡的欺诈数据等等，统计学有专门的方法和模型来研究这种情况。
最后，我们来看几个统计学运用不当造成的笑话吧。
一：庆祝生日有助于延长寿命，因为统计表明那些活得越长的人过的生日也越多。这是典型的相关不等于因果。
二：绝大多数人都拥有腿的数量都高于平均值，这较为显著，但世界上绝大多数人的收入水平都高于中位数呢？
我曾经给果壳网写过一个评论型文章，评论的文章是：。这篇文章的标题是《家务劳动降低中国男人的全因死亡率和癌症死亡率》，而其实文章写的是干家务劳动和男人死亡率之间是相关的，这篇文章题目误把相关当成了因果，所以我们一定要时刻提醒自己。
如何避开统计学陷阱？
那我们如何可以避免统计学的诸多陷阱呢？
我们看材料时多看一手材料、多看原始材料、有信息源的资料，少看二手材料。因为二手材料里头可能掺杂许多个人观点、甚至误读。
最重要的一点是，要以科学的结论作为自己的行为准则，可以多听听＂科学家共同体＂的意见，这是最可靠的信息来源。这是非常重要的。
果壳网就是一个非常好的科普网站，平台很大，这是事实。基本上所有的科学网站、科技媒体都会介绍最新的科研论文，但它是否通过科学家共同体的认同呢？所以若将这些平台的消息作为生活的行为准则是不太恰当的。期刊文章也是一样。科研论文可能也有不恰当的地方，大家想作为准则，一定要听听科学家共同体怎么说。比如说最近韩春雨老师的论文，它发表在非常好的科学期刊上，但目前科学家内部还是有很多的争论，若是把韩春雨老师的科研论文作为完全经得起推敲的结果，这是不对的，要经过科学家内部的论证。但是我相信韩春雨老师能够恰当地回复科学家内部的质疑，让科研成果早日变成科学家共同体的共识。
Q：请问张老师 您平时向家人，和身边朋友普及推广统计学知识的时候， 一般会推荐哪些信息渠道？ 比如，书，网站，个人博客，杂志等 如果可以，多请分享一些 谢谢。
A：若各位不是专业人士，并不是各个领域的专家，只要多听听科学家共同体的意见就可以了。我自己在生活中也是这么做的。科学家共同体比如世界卫生组织、美国统计学会、美国儿科学会，他们会有非常专业的意见。
Q：请问张老师：您作为一枚学神，可不可以站在统计学的高度，对我们 养成好的学习习惯提一些小tips？谢谢张老师！
A：首先我不是学神(笑)，习惯方面我觉得要有耐心吧！勤能补拙，有一句话＂耐心就是天才＂我是非常认同的。
Q：您好张老师，对于从来没有接触过统计学但想自学的人，要从哪些书入手？想学习一些实用性高的统计学技能，有哪些细分方向可以选择？谢谢！
A：入门的书非常多，大部分书的基本结构是差不多的。统计学问题十分广泛，关键是看你想要做什么，再去找相关的书。
Q：张老师，您好，如果要学统计学，工科背景，从什么教材入手，国内的统计学教育和国外的统计学教育有什么区别，国内本科统计学去国外深造能不能得到认可？
A：目前国内、国外的差距越来越小了。理工科在中国的发展非常快，许多科学家在非常认真工作，所以国内本科生去国外深造还是很有优势的。
Q：希望老师讲讲目前大数据在各个方面的应用，以及对于以后大数据应用的设想？
A：大数据目前在各方面的应用非常广泛，比如自动翻译、代替记者自动写文章、自动驾驶、精准医疗都牵涉到人工智能，很难预测对于大数据未来的应用。目前对于大数据的展望过于乐观。估计未来会有一段关于大数据的冷淡期，在这段时期把那些扎实的工作显露出来。
Q：请问老师，如何向不懂统计学的人说明定性研究不是大忽悠？
A：定性研究有个问题，就是难以重复。我想说的是，所有科学研究的方法都是我们想到最好的办法了。若这问题难以量化，就只好做定性研究了。这里面我举一个例子大家可以了解一下。最近有篇论文《大洪水说明夏朝可能是存在的》，目前史学认为夏朝不存在但商朝是存在的，因为有商朝的文物出土。有文物出土才能证明正史上写的是真事，这就是没有办法的办法，若没有更好的办法就只能做定性研究。
Q：老师您好，请问学习统计学专业未来可以从事怎样的工作？
A：前途是非常广泛的。例如美国、加拿大统计学的缺口非常大，未来各种领域对统计学家的需求是越来越大的，所以需要更多人投入这个专业。
Q：您好，张老师。我一直想做数据分析方面的工作，做数据分析需要具备哪些素质？
A：好奇心、有兴趣很重要，有耐心、能吃苦也同样重要。具体的素质包括掌握一门编程语言、有统计学基础、善于自我学习。
Q：有哪些数据可视化的工具？
A: 那就用R吧！当然还有更多专门一点的工具，要看你的具体需求。
Q：张老师，您好～我在统计学的学习过程中常常会遇到这样的问题：理论应用到实际情况时，实际案例往往很难满足理论所需具备的假设前提，应该如何解决呢？
A：可以使用数据转换来使它满足理论要求的前提假设，若数据没有偏离太多，有时候理论还是可以用的。另外多查查文献，找找已有适合数据的方法，也许只是你没有找到。从我专业的角度来看，这样是提供新的机会，发展新的工具分析数据，是非常好的。
（整理、排版：Sol_阳阳、朱诺、甘蔗） 本文图片由本期沙龙嘉宾提供
科学人线上沙龙由科学人主办，针对时下热点科学话题进行线上讨论。更多线上线下“干货满满”的活动，请持续关注科学人。
往期优秀线上沙龙活动回顾：
本文来自果壳网，谢绝转载
如有需要请联系
科研最新进展，学术最新动态，顶级学者的思考和见解。
长按二维码关注科学人（微信号：scientific_guokr）。
点击“阅读原文”
了解5大常见统计偏倚
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点您的浏览器不支持javascript，不能使用此页面的全部功能。
请换用其他浏览器或者开启对javascript的支持。
自学统计学书籍推荐——整理自知乎
作者：niaocu, zhihu.com 谢邀。统计学基础知识通常来自于一（ku）本（zao）正（wu）经（wei）的统计学教科书。怎样从辣么多的中外统计学教材中找出一本广大学生汪们所喜闻乐见的呢。我的经验是：看它的再版次数，版次越多说明内容越受欢迎，编写者越负责任。国内的教科书我推荐两本吧：&&&&&&&&1. 贾俊平：统计学（第六版），人民大学出版社（amazon.cn 的页面），这是我目前上课用的，主要面向经济类学生。&&&&&&&&2. 吴喜之：统计学·从数据到结论（第4版），人民大学出版社（amazon.cn 的页面），对这本书的介绍是『可供没有学过概率论和数理统计的非统计专业的本科生和研究生使用，也可以供统计专业的本科生作为理解统计本来含义的教材使用（以代替不能满足需要的“描述统计学”等类课程），它还可以为各领域的广大实际工作者作为应用各种统计方法的参考书』。这本教材的特色是结合了统计软件R语言，推荐原因是别人用了说好。我更喜欢推荐老外编的教科书，这些教材要比国内教科书更详（luo）尽（suo），包括提供完备的案例和习题，通常也具有更强的趣味性和可读性。之所以在教材上崇洋媚外，很大原因是因为老外写书不像国内某些老师编教材为了评职称而胡乱剪切拼贴，而是他们真的是打算在竞争剧烈的教材出版市场中凭借自己的特色去争取读者。外国引进教材一般都有原版和翻译版，尽可能看原版，或者双语对照。比如这几本： 其实不止这几本，在亚马逊的页面上、或者在图书馆的相关书架上能搜出一大堆来，但基本上都大同小异，如果能把其中一本好好从头到尾读完，那已经是相当了不起了。话说回来，统计学书通常很厚，有些内容你就算学了，几个月不用就忘了。所以最关键还是要打好基础、搞清楚基本概念和原理，养成统计思维。具备了牢固的地基并搭建起基本的框架之后，以后需要添砖加瓦、修习什么高大上的统计学方法工具，临时再去现学都还来得及。此外，不是那么正规、但能够帮助提高兴趣的统计学的书，参见——统计学课本很无聊。有什么好的统计学书目推荐吗？ - niaocu 的回答。其中我其实特别想推荐David S. Moore的《统计学的世界（第5版）》，这本书不是很正经的教科书却很有趣，可以说是吸引我半路出家来忽悠统计学的入门书。不过此书目前已经绝版了，在淘宝上也只能搜到影印版，前几年前我在新浪爱问知识人共享资料里有下载过PDF版（目前该资源还可在新浪微盘搜到）。还有一本比较奇葩的统计学书是Neil J.Salkind的《爱上统计学》（amazon.cn 的页面），外文书名: Statistics for People Who(Think They)Hate Statistics——为那些(认为他们)恨统计学的人写的统计学——很吸引人，内容强调统计技术的应用而不是吓人的公式，并顺带介绍了SPSS，不过评论里对该版本翻译水平评价不怎么好。这么多书，我自己都还没看完(；′⌒`)。。。Original Page: 如果想自学数理统计，有什么比较好的教材？zhihu.com 最近在用R弄生态学的一些数据挖掘，需要一定量的统计学知识，想找点书来自学，求问各位数据分析/统计大神，有没有什么比较好的入门书推荐如果想快速入门统计学（而非概率论），推荐《Statistics for Business and Economics 11e》，这本书都出到11版了，经典程度可想而知。对于初学者来说，这本书的特色就是以具体商业案例的形式讲解每个知识点，是典型的欧美教材风格，知识结构清晰，浅显易懂。全书基本上把公式推导给略去了，可能是为了适应商科的数理水平吧。最后在评论里面附上此书原版的度盘链接，该书11版的中文版在网上没找到。（ 这是欧美商学院最负盛名的统计学教材）Original Page: 本科统计学专业，大学四年要学习哪些教材？作者：Yksin, zhihu.com 第一次在知乎上回答问题，请多多包涵。首先题主要明白一件事，统计学专业的教育方式有两种，一种是以理论为主，走数理统计线，一种是以应用为主，走应用统计线。前者的基础课程是数学分析、代数，后者的基础课程则是微积分。@Anlulu 提到的教材多是以后者为主，比如同济的高数、人大的那套统计教材等等。题主若是想从理论上学习统计学的话，光是看这些教材是达不到应有的深度的。所以我从数理统计角度也推荐一套教材。（0）基础课数学分析推荐看中科大版常庚哲和史济怀所写的《数学分析》，难度适中。虽然目前很多学校都是拿华师的数分作教材，但这个教材难度太低，并不适合你提高水平。题主有兴趣的话，直接挑战Rudin甚至是卓里奇的数分也是很好的体验。代数推荐看看丘维声的《高等代数》或李炯生的《线性代数》。同样的，多数学校以北大的王萼芳高代为主要教材，但这本书写得如何我就不吐槽了。丘维声的高代是经典教材，言简意赅且有足够的深度，而李炯生的线代可以作为考研的参考书，难度偏大。（1）概率统计接下来开始入门统计学。题主要知道一些国内统计学方面的理论大牛，他们写的书通常都是质量很好的，比如李贤平、陈希孺、张尧庭、方开泰、钟开莱、茆诗松、王松桂等等。国内概率论方面最好的教材当属李贤平的《概率论基础》，这本书在理论上讲得很深，习题质量很高，通读一遍之后本科级别的概率论不会有什么问题。国内通常是把概率论与数理统计两门课捆绑到一起，数理统计属于统计学的入门课。这方面我推荐陈希孺的、茆诗松的或是浙大的《概率论与数理统计》，其中前两者在讲解方面很清晰，而浙大版则是主流教材。（2）软件统计学常用软件有很多，比如R、SAS、SPSS、Minitab、EViews、Stata等等。专业人士最好要掌握前两个，后面几个的话，如果你学经济统计，要学会EViews，学质量管理，要学会Minitab。R软件目前主要是统计之都在国内推广，他们也翻译了一些不错的国外教材，如《R语言实战》《R语言编程艺术》，前者是本R语言应用的大杂烩，后者主要从计算机原理角度谈论R，不过写得一般。此外，我也推荐看看《统计建模与R软件》，这本书差不多是国内最好的R语言教材。SAS软件的教材则是很多了，而且都大同小异，随便找一本看就行。另外题主有精力的话，也可以准备SAS程序员认证考试，考来个SAS程序员证感觉蛮拉风的。记住，软件的应用水平与你的理论知识水平成正比，知识越丰富，软件你使用得越好。所以不要一味盲目地去学习软件。（3）专业课本科阶段统计学专业课大概有这么几个：【实变函数、回归分析、多元统计、随机过程、时间序列、抽样调查】、非参数统计、贝叶斯统计、数据挖掘等等，学校不同，开的课会不同，但前6个应该是一定会学的。实变函数是本科数学系难度最大的科目，我学得不深，课外看的是徐森林的教材。回归分析推荐陈希孺和王松桂版，多元统计推荐张尧庭和方开泰版，随机过程推荐北大的何书元版（这门课难度也很大，大概仅次于实变函数），时间序列推荐Brockwell版，以及 @Anlulu 提到的《Time series analysis with applications in R》，目前这两本书都有翻译。抽样调查可以看看冯士雍的《抽样调查——理论、方法与实践》，数据挖掘一定要看韩家炜的《数据挖掘概念与技术》。剩下的几门课我并没看过什么比较经典的教材，所以不推荐啦。最后，这个网站可以下载到几乎所有你想要的数学类电子书，我上面提到的这里面都有：数学 免费下载Original Page: 本科统计学专业，大学四年要学习哪些教材？作者：Anlulu, zhihu.com 谢邀。我本科专业偏金融统计，大三时金融学的课程占了一大部分导致部分统计学的课程没开，需要自学。以下为各老师推荐及国内高校 经济类统计专业中比较好、用得最多的教材。（0）准备课程：《高等数学》（同济版）、《线性代数》（清华版）、《概率论与数理统计》（浙大版）其中数理统计的参考教材：陈希孺的《数理统计学教程》（1）入门：贾俊平、何晓群的《统计学》，中国人民大学出版社。参考教材：吴喜之的《统计学：从数据到结论》，是统计学内容的概括，让初学者有个大致的了解；《Statistical Inference》，中文名 《统计推断》。（2）回归分析：教材：李子奈版《计量经济学》，高等教育出版社软件操作课程：《EViews使用指南与案例》（张晓峒）参考资料：古扎拉蒂《计量经济学》、伍德里奇《计量经济学导论》、《Logistics回归模型——方法与应用》实践课程：写计量经济学报告（做计量模型，写论文）（3）时间序列分析：教材：王燕《时间序列分析》，中国人民大学出版社（写得比较简洁，课后习题要做），《Time series analysis with applications in R》软件操作：R语言实践课程：写时间序列分析报告（做时间序列模型，写论文）（4）多元统计分析：教材：何晓群的《多元统计分析》参考书目：Business Statistics：A Decision-making Approach（D.F.roebner & P.W.Shannon）、《商务与经济统计精要》（戴维等）、《统计分析与SPSS的应用》，人大出版社。软件操作：SPSS（5）抽样技术：教材：《抽样技术》，金勇进、杜子芳，中国人民大学出版社。参考资料：抽样调查类书籍（6）统计软件教材：《SAS软件与应用统计分析》软件操作：SAS（7）《非参数统计》（8）《随机过程》（9）还想深入学习的同学可以自学《数据挖掘》、《贝叶斯统计》、《面板数据分析》《空间计量经济学》等等。个人感觉统计是一个工具，它需要和别的学科结合起来才能发挥作用，如金融学、经济学、生物学、人口学等等，所以学习好理论课程内容的同时还要多做实践报告。Original Page: 本科统计学专业，大学四年要学习哪些教材？作者：Yksin, zhihu.com 中科的统计大概这样的…数学分析是常庚哲和史济怀的数学分析教程，上三学期。这里应该强调的是，数学分析一定一定一定要学好，否则之后的道路会越来越难走，不要只顾着考试分高，以后的路也很重要。数分里面关于实数的构造、可积性以及函数列一致收敛等内容在刚上大学时来看都比较抽象，但是概念一定要掌握好，一来在学实分析的时候会很舒服，二来也可以建立很好的高等数学的思维。线代/或者你叫高等代数的话分两学期，第一学期主要用李尚志的书，参考李炯生，讲线性方程组，线性空间，矩阵，行列式，线性变换五章，第一学期大概奠定了线性代数的基础，应该说线性空间和变换的概念会一直穿插在我们的学习之中。第二学期参考和教材调过来，讲Jordan标准型、欧氏空间，酉空间和双线性函数等，Jordan标准型算是两学期里比较难的部分了，不过实话说在我感觉对于我们的专业没什么用。而一些偏应用的内容比如广义逆、投影阵之类的对于统计学习真的很有帮助讲的很少，我觉得这是一个缺陷。常微分方程是丁同仁的书实分析是Stein的书参考周民强，讲Stein前三章，有时会带点抽象测度，这里我觉得不如用夏道行的书直接上抽象测度（这里插一句我觉得夏先生的实变泛函两本书写的真的太好了！读的时候特别顺畅，而且解释及其到位，真是大家风范），因为感觉对后面概率论等课程会更友好，而且周的书容易陷在技巧里面走不出来，对于连贯性和整体感觉就差了很多，单纯用作习题集的话也不必全做。实分析是后续课程比如高等概率论、高等数理统计和随机过程随机分析的基础，学多好都不算过。台湾吴培元老师的公开课用foundations of modern analysis，也是抽象测度讲的，书我没看，但是老先生讲得非常好，强烈推荐。如果学校是按照L测度展开的话，另外推荐下邓东皋老师的实变函数简明教程，简练入手快，而且和夏先生的书一样，链接分明，不管是整体理论的构建还是定力的证明，都不厌其烦一步一步告诉你为什么，看着真心舒服复分析是史济怀和刘太顺的复变函数，有的学期会用龚昇的简明复分析，讲到后面和微分几何联系的时候我是蒙逼的…个人觉得这课对于统计方向没什么用…概率论统计系是用苏淳的书，习题比较多，还不够的话可以刷ross的（这个总该够了…不过ross在大数定律那部分的习题不怎么样）。统计系就是偏应用更多，可能主要是会在模型中运用，而数学院概率方向会更偏向于数学本身和概念，数学系那边用的Grimmett的书（后面收敛性那里学得挺苦的……），本科阶段基本都是不用到测度的，研究生会再开高等概率论和极限理论。觉得这里好好研究下条件期望对后面应用随机很有帮助。另外钟开莱和李贤平的书都很不错，也是常常被大家推荐的，都是适合入门而内容又比较深入的。还有陈希孺先生的概率论与数理统计一书，虽然不是针对概率统计专业的，但是对于思想和内涵的解释真的棒极了，具体比如贝叶斯公式的意义分析等等，看了确实让人对本质有了更深的理解。数理统计是韦来生老师的，适合自学（我也真的没听课，老先生自己写的书，跟上课没差…），例子丰富，习题也很多，打基础不错，还可以好好温习下积分技巧，数理统计这课要是单独看考试的话，还是挺好学的，不过建议多看看和统计思想有关的书，陈希孺院士的一系列书都很不错，另外推荐David Freedman的统计学，也是讲了好多思想，另外我们书上没有EM算法，应该自己看看应用随机过程是ross的书，不得不说这书太细碎了，也是那种整体把握不好的，但是模型和例子很充足，是好处，老师推荐有karlin和parzen的两本，我们重点在更新过程和马氏过程（这大概是应用随机过程最重点的部分了，对于这里何声武老师（就是ross第一版译者，不过去世很久，后面提到的这本书也绝版了）的随机过程导论写得极其好），讲了鞅和布朗运动，没讲平稳过程（不过后面时序的时候还会讲就是了），另外我们的老师可能由于自己研究方向的关系特别喜欢排队论，这在应用中很重要，其实应用随机过程把几个模型吃透之后还是门很好玩的课。另外虽然很多人不喜欢，不过我还是觉得方兆本的那本薄薄的书不错，总是能发现一些挺有用的小东西，比如条件期望公式啊，马氏过程平稳分布啊，总有一些不错的评注。而我也上了数学院概率方向的课，更贴近理论甚至基于测度的随机过程，用的是Grimmett书的下半部分，这边鞅就是重点了。泛函是张恭庆的上册，应该是没讲第三章，参考书是Brezis的泛函分析理论与应用还有夏道行先生的下册，老师是做偏微分方程的，就讲了好多偏微Orz这课学得不好，但是很重要，大家好好学！偏微的正经课是陈祖墀的偏微分方程，按照偏微分方程的分类讲的，参考了物理那边的季孝达的数理方程，那本按照解法编的，但是理论偏少，当然本来也是为物理系同学学怎么解方程用的。数学系用的是evans的书，没上过不好说，但是同学说更是理论了回归分析是王松桂的线性模型和Freedman的StatisticalModels做教材，主要看英文教材的框架，有些细节和方法是在王的书上的，参考王松桂的线性模型引论和Stapleton的Linear statistical models。一般到这里的时候线代都过去好久了，应该自己捡一捡。杨亚宁老师是把几本教材打碎整合的讲义，真的学到很多东西，在回归模型中注意了投影的意义，让各个公式定义显得十分形象，而对统计内涵的解释也很注意，真的是单纯看某本书学不来的。多元用的Johnson的书（ Applied Multivariate Statistical Analysis(Richard A. Johnson第4中文版) ），参考方开泰，每周都是LaTex版作业，附上R的代码和结果，一学期下来其实受用不少时间序列是brockwell的Time Series：theory and methods，主要讲的是ARMA模型，基本理论，建模预报等等，谱分析没怎么讲，ARIMA也是带过的，还有后面的模式识别等内容都是定性地讲讲，这书的理论推导很不错，看着很爽，不过建议参考Cryer那本R语言版的一起学，毕竟时序的课用手还是很无力的非参是薛留根的应用非参数统计，参考吴喜之的书，不喜欢这课试验设计是王万中的抽样调查金勇进的（吐槽一下这学期上的这两门课和基于测度论的随机过程，随机分析，突然明白为什么好多学数学的人黑统计了……）我觉得本科的课程没有贝叶斯条件还是很遗憾的本科基本到这里了，后面研究生的课没上过，当是知道一些教材贝叶斯统计：韦来生以及茆诗松的高等数理统计：陈希孺高等概率论：柏其（数学系方向老师选的参考书是钟开莱的概率论教程和walliams的概率和鞅，还有durret的那本，最后用自己的讲义来）概率极限理论：林正炎到了随机过程我是正在上，老师给了一堆参考书：Brownian motion and stochastic calculus，陈木法的，钱敏平的，Cinlar的probability and stochastic等等（哇，有两本GTM好激动的说）。到了这边的话鞅和布朗运动就成了重点了，也是为了随机分析做铺垫总的来说科大的统计应该算是偏向理论方向更多点吧，个人觉得没有本科没有贝叶斯统计真的很遗憾，另外如果把统计建模变为本科课程我觉得更有帮助，而像复分析的课就……另外统计专业课基本大二下才出现，我觉得之前可以上门统计学，比如用另外知友提到的吴喜之老师的书，或是freedman的统计学做一下概括性的介绍。另外大四的时候开一些比较前沿的介绍，比如生存分析和广义线性模型等应该也是很实用的。好多同学也选修了两学期的运筹学，感觉也是很实用的。Original Page:
推荐这篇日记的豆列