现代统计学导论（第二版）
作者希望读者从这本书中获得三个想法，除了形成统计思维和方法的基础。
1. 统计学是一个应用广泛的实践领域。
2. 你不必是数学大师就能从有趣的真实数据中学习。
3. 数据是混乱的，统计工具并不完美。然而，当你理解这些工具的优点和缺点时，你可以用它们来了解世界的有趣事物。
主要内容：
第一部分：数据介绍。数据结构、变量、摘要、图形以及基本的数据收集和研究设计技术。
第二部分：探索性数据分析。数据可视化和总结，特别强调多变量关系。
第三部分：回归建模。使用线性和逻辑回归对数值和分类结果进行建模，并使用模型结果描述关系并进行预测。
第四部分：推理基础。案例研究用于介绍随机化测试、自举间隔和数学模型的统计推理思想。
第五部分：统计推断。使用随机化测试、自举间隔和数学模型对数值和分类数据进行进一步的统计推断细节。
第六部分：推理建模。将迄今为止提出的推理技术扩展到线性和逻辑回归设置，并评估模型性能。
Introduction to Modern Statistics (2nd Ed) | #电子书
作者希望读者从这本书中获得三个想法，除了形成统计思维和方法的基础。
1. 统计学是一个应用广泛的实践领域。
2. 你不必是数学大师就能从有趣的真实数据中学习。
3. 数据是混乱的，统计工具并不完美。然而，当你理解这些工具的优点和缺点时，你可以用它们来了解世界的有趣事物。
主要内容：
第一部分：数据介绍。数据结构、变量、摘要、图形以及基本的数据收集和研究设计技术。
第二部分：探索性数据分析。数据可视化和总结，特别强调多变量关系。
第三部分：回归建模。使用线性和逻辑回归对数值和分类结果进行建模，并使用模型结果描述关系并进行预测。
第四部分：推理基础。案例研究用于介绍随机化测试、自举间隔和数学模型的统计推理思想。
第五部分：统计推断。使用随机化测试、自举间隔和数学模型对数值和分类数据进行进一步的统计推断细节。
第六部分：推理建模。将迄今为止提出的推理技术扩展到线性和逻辑回归设置，并评估模型性能。
Introduction to Modern Statistics (2nd Ed) | #电子书