Лучшие книги по статистике

Первая книга по статистике, которую интересно (и полезно) читать. Большинство людей (особенно это касается студентов, хотя после пары по статистике они могут страстно обсуждать свои средние баллы и статистические показатели любимых бейсболистов) считают статистику унылой и бесполезной наукой. Так почему же главный экономист Google называет её "сексуальной"? На самом деле, статистика очень интересна, если рассказывать о ней как Чарли Уилан, и практична, так как отвечает на очень много важных вопросов: Как Netflix определяет, какие фильмы вам понравятся? Какое поведение является правильным при решении "Парадокса Монти Холла"? Как определить, какие привычки и поведение вызывают рак, не ставя эксперименты на людях? Помогает ли пациентам то, что кто-то молится за них? Есть ли экономические выгоды от получения ученой степени? Как определить, какие школы мошенничают с результатами тестов? Как сравнить двух игроков в бейсбол (баскетбол, футбол, другой игровой вид спорта)? Как сделать точные выводы обо всем населении страны, опросив несколько тысяч человек? Как супермаркет может определить беременность лишь по списку покупок (ни одна из которых напрямую на беременность не указывает)? Статистика помогает принимать важные социальные решения, находить скрытые взаимосвязи между явлениями, лучше понимать ситуацию в бизнесе и на рынке. Чарльз Уилан рассказывает о том, как статистика помогает находить ответы на эти и другие вопросы, и делает это с юмором и блестящими наглядными примерами. Для студентов и тех, кто захочет применить полученные знания в работе, в каждой главе есть приложение с основными формулами и графиками, которые можно пропустить, если вы просто хотите узнать больше о статистике и понять её ключевые показатели и идеи. В конце книги есть обзор основных приложений для работы со статистическими данными, который пригодится всем практикам. Для кого эта книга Для студентов, которые не любят и не понимают статистику, но хотят в ней разобраться. Для маркетеров, менеджеров и аналитиков, которые хотят понимать статистические показатели и анализировать данные. Для всех, кому интересно, как устроена статистика.

An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree- based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

Статистические методы являются ключевой частью науки о данных. Однако очень немногие аналитики данных обучены статистике должным образом, поскольку нет книг по статистике, написанных специально для аналитиков данных. С другой стороны, многие ресурсы, посвященные науке о данных, содержат статистические методы, но не раскрывают перспективы применения этих методов достаточно глубоко. Предлагаемая книга, написанная доступным языком, устраняет этот пробел. Если вы немного знакомы с языком программирования R и математической статистикой, то легко освоите материал и существенно повысите свой профессиональный уровень Во второе издание включены примеры на языке Python, что расширяет практическое применение книги.

Discover the world of data mining and machine learning with this comprehensive guide. Written by three prominent professors of statistics, this book provides a common conceptual framework for understanding the tools and ideas in various fields such as medicine, biology, finance, and marketing. With a focus on concepts rather than mathematics, it covers a broad range of topics including neural networks, support vector machines, classification trees, and boosting. With many examples and color graphics, this is a valuable resource for statisticians and anyone interested in data mining in science or industry.

Learn how to turn data into knowledge with an introduction to statistical analysis using Python. By working through a single case study, this book teaches the entire process of data analysis, from collecting data to identifying patterns and testing hypotheses. Discover distributions, rules of probability, visualization, and more through writing and testing code. With new chapters on regression, time series analysis, survival analysis, and analytic methods, gain a deeper understanding of statistical inference to answer real-world questions.

Learn probability and statistics quickly with this book, covering a broad range of topics beyond typical introductory math books. Perfect for graduate or advanced undergrads in computer science, math, statistics, and related disciplines. Get familiar with modern topics like nonparametric curve estimation, bootstrapping, and classification, without needing prior knowledge. Discover the intersection of statistics, data mining, and machine learning, and how statisticians and computer scientists are working together to advance these fields.

A straightforward and accessible guide to statistics, this textbook covers the basics and beyond, from central tendency to advanced concepts like regression and ANOVA. Each chapter includes a short description of the statistic, an in-depth explanation, an example, and a glossary of terms. The fourth edition features work problems and examples from the author's own data and published research, as well as a website with PowerPoint presentations, interactive problems, and more. Perfect for undergrad or graduate statistics courses, or as a reference tool for anyone interested in refreshing their memory.

Discover the fascinating world of statistics with an engaging and interactive book that brings this typically dry subject to life. With Head First Statistics, you'll learn everything you want and need to know about statistics through thought-provoking material, full of puzzles, stories, quizzes, and real-world examples. Whether you're a student or just curious, this brain-friendly formula helps you get a firm grasp of statistics so you can understand key points and actually use them. Master topics such as probability, expectation, sampling, regression, hypothesis testing, and much more. Ideal for high school and college students, Head First Statistics satisfies the requirements for passing the AP Statistics Exam. Get ready to see how statistics work in the real world!

Learn how to avoid common statistical fallacies and analyze data correctly with "Statistics Done Wrong". This book offers cautionary tales of mistakes made by even the most knowledgeable scientists and teaches you the best practices for avoiding those errors. Discover the ideas behind hypothesis testing and regression analysis, how to ask the right questions, design experiments, and work with data. Through colorful examples of statistics gone awry, this book offers approachable lessons for proper methodology, and pro tips for practicing scientists and statisticians. Improve your data analysis skills with "Statistics Done Wrong".

Как статистика помогает нам лучше понимать мир? И как можно приходить к уверенным умозаключениям, когда у нас нет идеальных и полных данных? На эти вопросы отвечает «Искусство статистики» — одна из самых содержательных и при этом доступных книг по теме. С блестящими примерами, интересным изложением, наглядными графиками, определениями, формулами и программным кодом в приложениях. Статистика играла ключевую роль для научного познания мира на протяжении веков, а в эпоху больших данных базовое понимание этой дисциплины и статистическая грамотность становятся критически важными. Специалист с огромным опытом Дэвид Шпигельхалтер познакомит вас с ключевыми принципами и показателями, которые помогают извлекать из данных знания о мире и отвечать на вопросы о нем. Он делает это на примерах из реальной жизни, показывая, как статистика способна помочь определить самого удачливого пассажира на Титанике, выяснить, можно ли было раскрыть серийного убийцу Гарольда Шипмана раньше, рассчитать количество деревьев на нашей планете, определить необходимое количество участников для достоверного медицинского исследования, вычислить количество безработных в стране и ответить на десятки других вопросов о нашем мире. Вопросов, на которые нельзя ответить без применения статистики.