统计思维读书笔记

内容总览

大家好，本人是一名初入机器学习领域的小白。偶然之下看到了这本书，

感觉很有趣，很适合作为一个入门书籍来看(^_)

简介

本书是一本全新的概率统计入门教材， 重点介绍如何用统计学方法分
析大型数据集。 本书会介绍如何使用计算机实现各种统计方法， 这有
诸多优点。

• 学生可以通过编写程序来深化和检查自己对概念的理解。 例如， 编 写计算最小二乘拟合、 残差和判定系数的函数， 编写和测试这些代
  码需要他们正确理解相关概念，消除各种可能的误解。

• 学生能够通过计算实验来验证统计学上的一些定理。 例如， 生成 服从各种分布的样本来验证中心极限定理（Central Limit Theorem， CLT）。 当发现服从帕累托分布的样本并没有收敛到正态分布时， 他 们肯定会记住中心极限定理的前提条件。

• 有些从数学上很难理解的概念可以很容易地用模拟方法来阐述。 例 如，通过蒙特卡罗模拟近似求出 p 值，就能说明 p 值的含义。

• 使用离散分布和计算方法可以把贝叶斯模拟之类在入门课程中很少 见的内容讲清楚。 例如， 本书中有个练习要求学生计算“德国坦克问题”（German tank problem） 的后验分布， 通过理论分析很难得到 答案，但用计算手段却很容易得出结果。

• 因为学生使用的是通用编程语言 Python， 所以他们可以导入各种来 源的数据，并不局限于那些已经为特定统计工具整理好的数据。
  本书内容是按项目来组织的。 在我的课上， 学生会用一个学期的时间 来做一个项目， 在此期间他们要提出统计学问题、 找到合适的数据 集，
  并用学到的技术来处理这些数据。

• 为了演示我想要学生做的分析， 本书会有一个贯穿全书的实例。 它所 使用的数据主要有以下两个来源。

1. 由美国疾病控制与预防中心（Centers for Disease Control and Prevention， CDC）主持的全国家庭成长调查（National Survey of Family Growth， NSFG）项目，该项目是为了收集美国人的“家庭生活、婚姻状况、生育、 避孕和男女健康等信息”（参见 http://cdc.gov/nchs/nsfg.htm ）。
2. 由全国慢性病预防和健康促进中心主导的行为风险因素监测系统（the Behavioral Risk FactorSurveillance System， BRFSS）， 该系统旨在跟 踪“美国人的健康状况和危险行为”（参见http://cdc.gov/BRFSS/） 。 其他例子所使用的数据则来自 IRS（ 美国国税局） 、 美国人口普查和波士顿马拉松比赛