《统计学七支柱》pdf

每个数学，物理学甚至哲学等抽象学科的学生都对此很熟悉：向您介绍了一个基础概念，但看起来似乎有点违反直觉，并且您可以想到许多原因，认为该概念有问题。然而，不知何故，这些教科书并不富有同情心。

我的建议是检查动力不足概念的历史。最初的表述通常更具吸引力，尤其是当您确切地意识到其作者试图解决的问题时。创新者的当代人很可能会在批评中表达自己的疑虑。

子孙后代的成功促成了他们学科基础的全面重新概念化。

统计学也是如此，在这个学科中，深入的思想经常被对技术的关注所遮盖，有时似乎几乎没有区别正确的论点和同样合理但谬误的选择。

史蒂芬·斯蒂格勒（Stephen Stigler）教授在这本坚决的历史著作中，从一个概念开始就显得微不足道，它的概念与一系列观测值的平均值或平均值无关。即使这是违反直觉的，因为它需要丢弃信息，即观察值的个性。通过“正确”的处理方式，以与我们认为或知道的更高质量相同的方式来处理“不良”测量？这个想法花了很多年才得以流行。

Stigler的第二个支柱，即信息测量，着眼于大数据集的处理。民意调查使我们有所了解，建议的均值的准确性与观察次数的平方根成正比，而不是绝对数。

在艾萨克·牛顿时代，对皇家造币厂进行了抽样，以确保他们生产的硬币使用了适量的黄金。在没有正确的标准偏差理论的情况下，公差边界设置得太宽。斯蒂格勒干脆地指出，牛顿是监狱长，从1696年到1727年是当时的皇家铸币厂主人，那年去世后留下了可观的财富。 “但是显然他的财富可以归功于投资，没有理由怀疑他已经看到了铸币局程序中的缺陷并将其用于个人利益。”

后面的章节讨论假设检验（第3支柱）。数据集内部的统计处理，不参考总体规范-如学生的t检验（第4栏）；回归均值-一个很难确定的概念（支柱5）；实验设计，尤其是同时改变多种品质时（第6条）；最后是第7支柱，即可以通过减去已知原因的影响来简化复杂现象的概念，剩下的残余现象现在可以引起人们的关注。

如果您既对统计感兴趣又很精通统计，那么您会发现这本书很有启发性和机智。相反也适用。