Apr 1st 2018
先前知识漏洞千疮百孔，写论文时不得不重温，再挖，乃至新学很多。相比书本，教材，网络资源深度参差不齐，信赖度不一。然而基于我个人的经验，在我做完全不同的研究，寻查找优质资源的过程中，多次殊途同归，converge 到以下这个地方。来自 Princeton:
WWS 509
框架性的重要统计知识，无论理论应用均令我受益匪浅。
我之前写的都是嘛啊
"There is no point in correcting your mistake, because without your mistake you erase yourself."
- Louis C.K., interview from The late show with Stephen Colbert
Ⅱ+Ⅰ 06 / 03. 2016
Cold Open.
这一次编辑距上一次过去了半年。 在读博士。
回顾了之前的内容，大多介绍和评价语气绝对，这次将对其进行擦拭和布置。 抛砖引玉，挂一漏万，请大家批评指正。
Live from New York, it's Satur... wait, no.
1. Agresti, Alan, and Maria Kateri. Categorical data analysis. Springer Berlin Heidelberg, 2011.
![]()
经典墨绿款：
![]()
科幻唯美风：
![]()
同 The Elements of Statistical Learning: Data Mining, Inference, and Prediction 一样，这本书作者提供了获取其PDF的链接。
http://down.cenet.org.cn/upfile/28/200524235839135.pdf
为什么 categorical analysis 重要？我的想法是，
通过调查问卷收集的数据往往是 categorical 的，
而收集数据的主要方式恰恰就是调查问卷。
Ⅱ
答这道题后一段时间过去了，已经毕业。
我又多读了一些书，接触到了新的资源，有了一些新的认识和体会。在此把让我印象深刻资源继续推荐给大家。
感谢所有点赞，感谢，收藏，分享的朋友。I'm constantly reminded by the statistics.
( What does that even mean??)
3. Statistical Computing with R (Chapman & Hall/CRC The R Series)
http://www.amazon.com/Statistical-Computing-Chapman-Hall-Series/dp/1584885459
![]()
相比同类书籍，这本书名气不大。它与大多数R Guide（比如 “R in a nutshell” ) 有所区别。如它序言所说，这本书是统计计算／计算统计的入门介绍. ( "This book is an introduction to statistical computing and computational statistics.") 简单来说，很多实用的计算统计方法贯穿本书，比如Methods for generating random variables, Monte Carlo Methods, Bootstrap and Jackknife, Markov Chain Monte Carlo Methods 以及其他的 Numerical Methods. 统计理论和对应的例子和R代码非常清晰直观。如果你对这些计算统计方法感兴趣，我相信你会发现它们非常有趣，有用。
这本书帮了我很多，我希望它也会帮到你。
5. EdX 的公开课， MIT出品的 The Analytics Edge. 15.071x Course Info
这门课让我做了两件事：1.决心要申请更好的学校收到更美好的教育。( 后来并没达成，所以..) 2.决定花费100$去获得这门课的认证学位。
美好的事物到一定程度用语言形容就显得笨拙，词不达意。就像我不会试图靠描述让他人了解Monument Valley是个怎样美好的游戏作品。
另外， 你是否听说过 Kaggle Competition？Kaggle: The Home of Data Science
$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$
Ⅰ
我是生物统计在读研究生，即将毕业，我根据我暂时的见识谈谈我的推荐。
1. The Elements of Statistical Learning: Data Mining, Inference, and Prediction
by Trevor Hastie (Author), Robert Tibshirani (Author), Jerome Friedman (Author)
![]()
作者是斯坦福的三位学者。
斯坦福官方网站给出了这本书的pdf下载链接，
http://web.stanford.edu/~hastie/local.ftp/Springer/OLD/ESLII_print4.pdf
这本书讲了什么，书中序言自有介绍。内容有多好一看便知，不赘述。
最近刚刚研习了一篇 Hastie 与其博士生 Hui Zou 2004年发表的文章 Regularization and Variable Selection via the
Elastic Net.
https://web.stanford.edu/~hastie/Papers/elasticnet.pdf
这本书其实与其说适合生物统计的学生，不如说适合所有对分析数据感兴趣的学生。Data Mining, Machine Learning, you name it.
0. Casella & Berger "Statistical Inference"
![]()
经典，实用的统计基础理论教程。这本教材习题充足，有启发性，同时网上有极为详尽完整的习题答案，非常适合训练。
同时，这本书是很多统计，生统研究生第一年理论课推荐教材。而且据我了解，国内很多大学在研究生阶段也会推荐学生研习这本书。
另外，如果你喜欢Sherlock Holmes, 你会得到额外的惊喜。
另外，评论里有朋友提到，这本书是她／他本科二年级入门教材，怪不得学得她／他想要狗带.
10. Jeff Wu, Michael Hamada "Experiments: Planning, Analysis, and Optimization "
生统做应用的话，实验设计非常重要。这是一本非常清晰全面的实验设计的入门书籍。
10. Purdue的 Regression Analysis课程
该课所有资源在网络上公开，清晰易懂的内容佐以很多很棒的SAS程序，极适合需要学习使用SAS的生统学生。
|
转播
