本書作者是Frederick Mosteller (1916-2006), 哈佛大學數(shù)學統(tǒng)計學教授, 一生著作頗豐。約翰·圖基 (John Tukey), 是美國著名統(tǒng)計學家, 他原創(chuàng)性提出的“探索性數(shù)據(jù)分析”是指為了形成值得假設的檢驗而對數(shù)據(jù)進行分析的一種方法, 是對傳統(tǒng)統(tǒng)計學假設檢驗手段的補充, 在統(tǒng)計科學領域久負盛名。本書是數(shù)據(jù)統(tǒng)計分析領域的經(jīng)典著作, 堪稱經(jīng)典中的經(jīng)典。本書有助于讀者了解數(shù)據(jù)分析與回歸的有關知識, 并學習如何應用數(shù)據(jù)分析。在本書中, 作者建議采用“凸規(guī)則”發(fā)現(xiàn)獲得線性性狀的轉(zhuǎn)換方法。建議搭配《Tukey統(tǒng)計學講義: 探索性數(shù)據(jù)分析》一起購買。
· 兩位數(shù)學大師的傳世名著,在書中你可以看到大師是如何經(jīng)常停下來思考他們正在做什么以及為什么要這樣做。這本書也會讓你思考,并且會教你如何思考你的數(shù)據(jù),然后問出正確的問題并選擇適當?shù)募夹g(shù)去闡釋這些數(shù)據(jù)。
· 《Tukey統(tǒng)計學講義:數(shù)據(jù)分析與回歸》《Tukey統(tǒng)計學講義:探索性數(shù)據(jù)分析》兩書建議一起學習,感受大師的深刻思想。
約翰·圖基(John Tukey),世界著名數(shù)學家和統(tǒng)計學家,美國國家科學院和英國皇家學會的院士,美國科學最高獎——國家科學獎章(National Medal of Science)獲得者。他被后人譽為“數(shù)據(jù)科學之父”,他提出的探索性數(shù)據(jù)分析(Exploratory Data Analysis, EDA)是數(shù)據(jù)科學的鼻祖。在數(shù)學尤其是統(tǒng)計領域有眾多名詞都是以他的名字命名的,比如Tukey range test、Tukey lambda distribution、Tukey test of additivity、Quenouille–Tukey jackknife、Teichmüller-Tukey lemma、Cooley-Tukey FFT algorithm、Blackman-Tukey transformation、Freeman-Tukey transformation、Siegel-Tukey test、Tukey-Duckworth test、Stone-Tukey theorem、Tukey trimean、Tukey mean difference plot、Tukey median、Tukey depth、Tukey biweight function、Tukey fences、Tukey window等。他提出的快速傅里葉變換(FFT)是世界上使用最廣的算法,他獲得過IEEE最高榮譽獎章(IEEE Medal of Honor)。他還因創(chuàng)造出“比特”(bit)一詞和最早使用“軟件”(software)一詞而聞名。
弗雷德里克·莫斯特勒(Frederick Mosteller),哈佛大學教授,被認為是20世紀杰出的統(tǒng)計學家之一。他曾師從約翰·圖基(John Tukey),后來成為哈佛大學統(tǒng)計系的創(chuàng)系者,并擔任首任系主任達14年之久。他還擔任過美國統(tǒng)計學會、國際統(tǒng)計學會、國際數(shù)理統(tǒng)計學會、計量心理學會、美國科學促進會的主席。他是美國國家科學院、美國國家醫(yī)學院、美國人文與科學院、美國哲學會的院士。
1. Approaching Data Analysis.
2. Indication and Indicators.
3. Displays and Summaries for Batches.
4. Straightening Curves and Plots.
5. The Practice of Re-expression.
6. Need We Reexpress?
7. Hunting Out the Real Uncertainty.
8. A Method of Direct Assessment.
9. Two-and More-way Tables.
10. Robust and Resistant Measures of Location and Scale.
11. Standardizing for Comparison.
12. Regression for Fitting.
13. Woes of Regression Coefficients.
14. Mechanisms Usually Operating in Linear Fitting.
15. Guided Regression.
16. Examining Regression Residuals.