If you know how to program, you have the skills to turn data into knowledge using the tools of probability and statistics. This concise introduction shows you how to perform statistical analysis computationally, rather than mathematically, with programs written in Python. You'll work with a case study throughout the book to help you learn the entire data analysis process—from collecting data and generating statistics to identifying patterns and testing hypotheses. Along the way, you'll become familiar with distributions, the rules of probability, visualization, and many other tools and concepts. Develop your understanding of probability and statistics by writing and testing code Run experiments to test statistical behavior, such as generating samples from several distributions Use simulations to understand concepts that are hard to grasp mathematically Learn topics not usually covered in an introductory course, such as Bayesian estimation Import data from almost any source using Python, rather than be limited to data that has been cleaned and formatted for statistics tools Use statistical inference to answer questions about real-world data

《商务统计轻松学》系统地阐述了统计学的基本知识，通俗易懂，深入浅出，理论与实践相结合。所有的统计学基本概念都以简单明了的语言进行定义，并配以实例和说明进行阐释，使读者对概念一目了然，书中编排了丰富的实例和习题，其小“问题详解”不仅是统计理论的简单应用，还为读者指明了相应的解题思路和方法，并突出了如何使用Microsoft Excel工作表与统计计算器来解决统计问题，此外，《商务统计轻松学》还配有大量的网上资源和习题供读者下载练习使用。《商务统计轻松学》是那些畏惧统计学的人和在日常生活中将会用到统计学的人的最佳读本。 读者对象：大众。

編輯推薦 如果你從沒接觸過統計，本書可以讓你見識統計的廣泛應用；如果你學過基礎統計學覺得很無聊，你將改變想法，發現統計不只是課本上的數學式：如果你主修統計，也許會對書中統計大師的小八卦有興趣。 有點統計基礎的人應該是最能產生共鳴的讀者了。想像一個畫面：「費雪......，薩爾斯伯格二○年代在劍橋報導」，「杜奇.....，薩爾斯伯格六○年代在普林斯頓報導」，全書的風格宛如一份統計偶像雜誌，每一章都簡要地介紹一兩位大師的軼事。你會興奮地發現，原來皮爾生是這樣的人，想不到最先提出的是博克斯...等，這些名人的性格與遭遇一一浮現眼前，不再只是耳熟能詳的名字而已。 「本書設定的讀者，是不懂或略懂數學的讀者」，所以書中一個數學式也沒有，然而書中出現的想法與觀念，絕對不只是普通常識（要是統計學家都靠普通常識，統計也不會令人費解了！）對統計稍有涉獵的讀者，若設法了解作者提到的許多專有名詞，將對統計學的發展與內涵有更深的體會。 至於完全沒接觸過統計的讀者，循者本書的脈絡，相信也能感受到統計發展的多樣性。統計的重要貢獻是有效解決實際問題，事實上「解決問題」也是許多統計方法的源頭。本書交代了許多方法的源頭（多虧作者是位六七十歲的老先生），但限於篇幅，基本想法無法一一舉例說明。因此，把本書當統計入門的讀者，也許會有些失望，不過它倒是為「學統計幹嘛」和「統計學家在幹嘛」提供不少的線索。 統計分析不是統計學家的專利，但讀讀它的後記：「在寫本書之前，我已經把對統計學有貢獻的女士先生分成兩類」，就知道這書差不多是本統計名人小故事。期待藉著本書一窺統計堂奧的讀者，最好已聽過幾位大師的大名，或熟悉基本統計方法，否則充斥全書的人名與專有名詞將不會令你留下太多印象！譬如事件空間、拔靴帶、帶寬、非最適核、超超參數、經驗貝氏、自由度...等，當然都是很重要的觀念，所以也不是幾句話可以交代清楚的。這個部份讀者要自己下功夫，書中並沒有為了解這些怪名詞開啟方便之門。 撇開專有名詞不談，細心的讀者終將發現，同一種問題竟然可以有各式各樣的解決方式，從早期皮爾生找出分布參數的觀念，到貝氏以果求因的念頭，再到丟掉分布假設的無母數方法，以及穩健性的研究，都是普遍應用於各領域的統計基礎。對統計的印象只停留在檢定與估計的讀者，看過這些章節之後，一定也會驚嘆教科書之外世界大不同。 統計之所以被濫用、誤用，其實是因為它太有用，隨者統計方法在許多領域成功地解決問題，大家不得不承認它是個好方法。但另一方面，書中也提到「誤差」的觀念仍未被普遍了解。與其說統計掀起一場革命，不如說人們漸漸地接納統計的作法。經過了一世紀，統計也許改變了世界上處理問題的方式，卻沒有讓太多人搞清楚它是什麼。看看本書，說不定你會越來越明白，統計學家的腦袋裝些什麼！(文/曾聖澧，交通大學統計所研究生) 內容簡介 這次桃芝颱風帶來的豐沛雨量及災情，讓幾乎所有的老百姓驚嘆為「百年難得一見」的風災。誰能為這種事件做防範計畫？我們要如何估計這麼大的水會淹多高？ 話說在英國劍橋的某天午后，有位女士聲稱，把茶加到牛奶裡，和把牛奶加到茶裡，兩種方法調出來的下午茶喝起來味道不同。在座的科學家都對她的說法嗤之以鼻，但有位來訪的瘦小紳士，R. A. 費雪，提議要用科學的方法，來檢驗這位女士的假設…… 本書作者以這位喝下午茶的英國女士為起點，帶領讀者一一回顧「統計」這門應用範圍最廣的科學當中，幾個重要理論的發展過程與應用，親近那些隱身幕後的統計學家，看看統計究竟為今天這個世界，帶來了什麼樣的改變。

《应用多元分析(第3版)》内容简介：多元统计分析是统计学中内容十分丰富、应用性极强的一个重要分支，是一种非常重要和实用的多元数据处理方法。 全书共分十章。第一章介绍了多元分析中常用的矩阵代数知识，这是全书的基础。第二章至第四章介绍的是一元统计推广到多元统计的内容，主要阐述了多元分布的基本概念和多元正态分布及其统计推断。第五章至第十章是多元统计独有的内容，这部分内容具有很强的实用性。特别是介绍了各种降维技术。《应用多元分析(第3版)》提供了许多例题和习题，书后给出了参考答案及部分解答；《应用多元分析(第3版)》与SAS软件紧密结合，在每一章后面都附有SAS的应用。读者可从作者的网页：http://bb.shufe.edu.cn/webapps/silkII/indexpage/teacherweb/teacherweb_3300_1.html下载相关学习资料。

《人工神经网络导论》依照简明易懂、便于软件实现、鼓励探索的原则介绍人工神经网络。内容包括：智能系统描述模型，人工神经网络方法的特点；基本人工神经元模型，人工神经网络的基本拓扑特性，存储性能及学习；感知器与线性不可分问题，Ifcc学习律，Efmub规则；CQ算法及其原理分析，算法改进讨论；对传网的结构及其运行，对传网的初始化与训练算法；统计网络的训练与收敛性分析；Ipgjqfme 网络及稳定性，Boltzmann 机；双联存储网络的结构及训练；BSU 模型的结构分析与实现。 《人工神经网络导论》适合于研究生和本科高年级学生使用，也可供有关学生、科技人员参考。

《数据分析与模拟丛书:基于Matlab的地理数据分析》面向地理问题，基于Matlab软件，讲述了大量数学方法的应用思路和过程。内容涉及回归分析、主成分分析、因子分析、聚类分析、判别分析、时（空）间序列分析、Markov链、R／S分析、线性规划、层次分析法以及人工神经网络建模等方法。通过模仿《数据分析与模拟丛书:基于Matlab的地理数据分析》讲授的计算过程，读者可以加深对有关数学方法的认识和理解，并且掌握很多Matlab的应用技巧。《数据分析与模拟丛书:基于Matlab的地理数据分析》最初以北京大学本科生计量地理学的辅助教材形式出现，但实际上是作者对Matlab计算功能深入应用的经验总结。《数据分析与模拟丛书:基于Matlab的地理数据分析》中的讲授体例与一般Matlab的教科书不同，计算过程设计为笔者独创，在国内外其他教科书中未曾见到。

《直觉与统计》是面向数学爱好者、大学生、大学教师及统计应用者的读物，主要介绍《概率论与数理统计》中的独立事件、大数定律、中心极限定理和经验分布函数等内容所包含的直观思想，并对点估计、区间估计、方差分析、假设检验和非参数统计等统计推断方法的构造过程及原理进行直观思想的演绎。我们发现，利用非逻辑的直观思想对随机现象信息的加工整理，归纳成符合数学逻辑表达的形式，就可以得到我们常见的统计推断方法。

《广义线性模型》由四本介绍线性模型的小册子组成，它们分别是《广义线性模型导论》、《应用logistic回归分析》、《定序因变量的logistic回归模型》以及《logit与probit：次序模型和多类别模型》。《广义线性模型》集中介绍了社会学研究分析方法中的一个非常有效且重要的数据分析方法，即线性模型。作者通过阐释广义线性模型的概念、基本原则，探讨了从线性模型推广至其他模型的可能路径，并举例比较了不同模型的拟合优度，为读者全面掌握线性模型分析法提供了一个可行的指南。

http://www.hup.harvard.edu/catalog.php?isbn=9780674088917

《应用回归分析(第3版)》写作的指导思想是在不失严谨的前提下，明显不同于纯数理类教材，努力突出实际案例的应用和统计思想的渗透，结合统计软件全面系统地介绍回归分析的实用方法，尽量结合中国社会经济、自然科学等领域的研究实例，把回归分析的方法与实际应用结合起来，注意定性分析与定量分析的紧密结合，努力把同行以及我们在实践中应用回归分析的经验和体会融入其中。 回归分析是统计学中一个非常重要的分支，在自然科学、管理科学和社会经济等领域有着非常广泛的应用。《应用回归分析(第3版)》是针对统计学专业和财经管理类专业教学的需要而编写的。

《暨南大学研究生教材•多元统计分析及R语言建模》共分15章，主要内容有：多元数据的收集和整理、多元数据的直观显示、线性与非线性模型及广义线性模型、判别分析、聚类分析、主成分分析、因子分析、对应分析、典型相关分析等常见的主流方法。《暨南大学研究生教材•多元统计分析及R语言建模》还参考国内外大量文献，系统地介绍了这些年在经济管理等领域应用颇广的一些较新方法，可作为统计学专业本科生和研究生的多元分析课程教材。《暨南大学研究生教材•多元统计分析及R语言建模》还可作为非统计学专业研究生的量化分析教材。

《统计模型:理论和实践(英文版·第2版)》内容简介：Some books are correct. Some are clear. Some are useful. Some are entertaining. Few are even two of these. This book is all four. Statistical Models: Theory and Practice is lucid, candid and insightful, a joy to read. We are fortunate that David Freedman finished this new edition before his death in late 2008. We are deeply saddened by his passing, and we greatly admire the energy and cheer he brought to this volume——and many other projects——-during his final months.

《实用多元统计分析(第6版)》多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅需要对所研究的专业领域有很好的训练，而且要掌握必要的统计分析工具。对研究者来说，《实用多元统计分析》是学习掌握多元统计分析的各种模型和方法的一本有价值的参考书：首先，它做到了“浅入深出”，既可供初学者入门，又能使有较深基础的人受益；其次，它既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，又能在一定程度上了解“为什么”这样做；最后，它内涵丰富、全面，不仅基本包括各种在实际中常用的多元统计分析方法，而且对现代统计学的最新思想和进展有所介绍。

Probability & Statistics was written for a one or two semester probability and statistics course offered primarily at four-year institutions and taken mostly by sophomore and junior level students, majoring in mathematics or statistics. Calculus is a prerequisite, and a familiarity with the concepts and elementary properties of vectors and matrices is a plus. The revision of this well-respected text presents a balanced approach of the classical and Bayesian methods and now includes a new chapter on simulation (including Markov chain Monte Carlo and the Bootstrap), expanded coverage of residual analysis in linear models, and more examples using real data.

This book is an introduction to the field of asymptotic statistics. The treatment is both practical and mathematically rigorous. In addition to most of the standard topics of an asymptotics course, including likelihood inference, M-estimation, the theory of asymptotic efficiency, U-statistics, and rank procedures, the book also presents recent research topics such as semiparametric models, the bootstrap, and empirical processes and their applications. The topics are organized from the central idea of approximation by limit experiments, which gives the book one of its unifying themes. This entails mainly the local approximation of the classical i.i.d. set up with smooth parameters by location experiments involving a single, normally distributed observation. Thus, even the standard subjects of asymptotic statistics are presented in a novel way. Suitable as a graduate or Master's level statistics text, this book will also give researchers an overview of research in asymptotic statistics.