数据科学的统计学入门

烨磊柏寒

对于未处在定量领域中的有志数据科学家们，学习统计学可是条令人胆寒的不归路。不论你是个计算机工程专业的大学生，寻找事业新出路的开发人员还是个MBA研究生，似乎在数据科学中最让大家觉得害怕的部分总是统计学。至少对从商学院毕业的我来说，它确实是。

统计学是门严肃的学科，很多人穷尽一生来学习研究它。作为一个上进的数据科学家，要如何在统计学的学习中百尺竿头更近一筹呢？需要学习了解一些什么呢?什么是学习统计学最好的方法呢？接下来让我一一揭晓。

由简化繁

理解掌握简单的数据学原理能够为你带来巨大的价值。在很多数据科学项目中，你根本不需要高等的统计学知识来获取重要的结论。正因如此，刻苦学习基本功才是正道，在你的工作中应用基础知识，举一反三，由简化繁。

统计学中两个最重要的分支分别是：描述统计学和推断统计学。如果能理解吃透这两项，你将会受益终身。

描述性统计学

描述性统计学定量描述一系列的信息。它们总结测量数据。与推测性统计学相反，它们并不对更大的统计总体的结果进行推测。它们仅仅是在描述这些所收集的数据集。

你过去肯定与那些数据学打过交道，一些描述性统计学中常用的测量值确定了其集中趋势（平均值，中位数，众数）以及其他的，例如数据集中的变量（标准差…)。

推测性统计学

推测性统计学让我们能够通过样本数据集来推测统计总体的性质。它们利用样本在所收集的数据上得出结果。

在实用数据科学中，当需要进行转化率的对比，或是进行类似A/B测试的试验时，推测性统计学会被大量的使用。

网络课程

对我来说，网络课程在学习技术方面效验如神：

描述性统计学简介 – Udacity

推测性统计学 – Udacity

这些课程是交互式的，课程包括随堂练习和课程视频。我发现网络课程是初涉该领域时的一个很好的学习方式。你能够从中学到足够的知识，让你学习统计学时更加自如。

书籍

总的来说，我会推荐Naked Statistics: Stripping the Dread from the Data这本书，作者是Charles Wheelan。这本书涵盖了描述性和推测性统计学，并且对每个领域做出了很准确的概述。它通过一些有趣的实例让统计学更加生动。

从心建造

请牢记，学习那些统计学原理的最好的方法就是由理论结合实际。一旦你开始能够将理论运用到自己的分析中来，我建议你能够拿起一本统计学手册，例如All of Statistics，来深化你的所学的知识。