※ 引述《zynder (风)》之铭言： : 请问统计学程里的这些课: : 机率导论,统计导论,统计学,数理统计一二,高等统计推论一二, 以上这些课程的难易 : 度如何排序? 感觉上这些课程内容重复很多,是否有必要全修? ; 以及修以上课程是 : 否必须先修哪些课? 另外,统计学程大家有没有比较推荐教的不错的老师,谢谢!!! 我想您说的应该是数学系的统计学程，其实修习顺序的建议有在该网页上， 即 http://www.math.ntu.edu.tw/cheng/statistics/education/rules.php， 顺道一提，此学程实非学校正式学程，修毕并无任何学程证明书。 相关的学程是「生物统计学程」，此学程修毕有学程证明书， http://www.agron.ntu.edu.tw/chinese/BiologicalStatistics/。 请先评估您想学到的统计是理论面或实作面为主， 如目的是加强理论则推荐数学系的统计学程 (实作部份必须自学) ， 如目的是加强实作能力 (统计软体使用及实验设计) 则推荐生物统计学程。 : 推 annunaki:这是梗了吧?爬下文吧s 虽然没错，不过过去也没有完整统整过，对新手来说确实有困难， 因此在下将会於下文中继续说明。 : 推 TOOYA:大概是 统计导论 机率导论 统计学(数理) 高统推 回归 多变量 : 推 timemaker:线性代数及微积分是基本的工具 是的，楼上两位都说得没错。 因此在修习「统计学」之前，请务必修好您的微积分， 并修习任何一门线性代数或管理数学，接着就可以开始进行欢乐的(？)统计之旅了。 (注：在基础统计、统计导论阶段，尚未修习线性代数是没关系的， 故此处的统计学特别加上「」。) 感谢TimC的问题提醒 如要在下推荐统计学程的修法，依照能力的不同在下会有下列建议： |--------------- 大学部课程 --------------|------- 研究所课程 ------| 统计导论 ────┬─ 机率导论 ─┐ (半年) (半年) (1) (半年) (4) ┌(5)─→ 回归分析 ───┐ ↓ ↓ │ ↑ ↓ (一年) 数理统计 ─(3)→ 统计学 ┤ (7) 多变量分析 ↑ (半年) │ ↓ ↑ (半年) (一年) (2) └(6)→ 高等统计推论 ──┘ 心理及教育统计学 ──┘ (一年) 如果您是数理能力相当强的人或数学系出身，那麽可以依照数学系统计学程的安排， 走「统计导论＋机率导论→4→5→7」 路线。 但由於高等统计推论是一年的课程，回归分析是下学期课程， (注：今年回归分析上学期也有开。) 感谢ckuo的提醒 其实 5、6 是可以同时，即「统计导论→4→5、6」 。 另外，因为数学系的统计导论相当於非数学系的 (初等) 统计学， 数学系的统计学 相当於非数学系的高等统计学， 这两个课程非数学系一般都是开一年，但数学系都只开一学期。 所以虽然优点是可以在最短时间吸收到最多东西， 不过缺点是课程进度快，而且 ANOVA与回归容易教不到。 (为弥补这个缺憾，所以数学系另外专开回归与多变量分析， 但其深度远超过一般大学统计学所教的 ANOVA与回归的范围。) 如果您想先打好充分数理基础或是非数学系出身， 且觉得统计观念可以自己看，或是修业时间上的不允许， 那麽建议可以走，「数理统计→3→5、6→7」路线。 另外，统计学是下学期的课程，所以选数理统计的下学期其实就可以同时选统计学。 由於数理统计的课程上学期是机率，下学期是统计， 因此修习数理统计後，可以不必再修机率导论。 (不过如果您是数学系的同学，请注意修习数理统计不能抵系上选修， 而且机率导论是必修，也不得不修。) 还有，虽然依数学系的课程设定，修完数理统计等同修完统计学， 但在下个人认为还是有差，由於数理统计是专门开给非数学系的同学 比较偏向计算的技巧而较少抽象理论，但统计学较着重抽象理论， 就抽象训练来说，在下认为统计学还是有修习的必要 (如果时间许可) 。 如果您有时间且希望完整的从观念起家进而步入理论的话，个人建议走 「心理及教育统计学→2→3→5、6→7」 或「统计导论→1→3→5、6→7」 路线。 (不过两者相较，个人比较建议修心理系姚开屏老师的心理及教育统计学， 难度适中，观念交代的很清楚，也有 SAS软体实习课。 当然这是因为在下个人修过的非数学系统计学目前只有该门， 如您知道有其他老师教导的统计观念也很棒，自然可以取代。) 如果您很拚，想一年修完大学部课程也没问题， 只要不冲堂，上学期选心理及教育统计学、数理统计，下学期再加选统计学也OK。 (当然下学期就会变成要同时上三门统计课，请考虑自己的负荷是否许可。) 另外，个人不建议修完非数学系的统计学 (如心理及教育统计学) 就直接修数学系的统计学，因为说实话这样的数学训练不太够， 还是建议非数学系同学务必要修数理统计。 关於这些课程的评价与介绍请参考， 虽然授课老师不太一样，但课程目标与教科书多相同，个人认为仍有参考价值。 以下是相关课程教科书的介绍： Elementary Statistics – a step by step approach Bluman 这本书是数学系「统计导论」的用书，个人觉得该书的编排很容易读， 相当适合初学者，会将一些重要的重点叙述特别用一个框框标出。 举例也不少，习题则分为概念与计算两类， 如果很紮实的去作习题，即使不完全懂，也能大概体会出统计的技术运作。 该书比较着重於描述统计与实用面的母数统计， 会介绍 z-test, t-test, F-test, ANOVA，当然一开始也会提到一些基本的机率分布。 很适合第一次读统计的人，在下第一次上统计即是用该本书，当时尚未学过机率导论。 Mathematical Statistics with applications, 6th edition Dennis D. Wackerly, William Mendenhall Ⅲ, Richard L. Scheaffer 这本书是数学系开给外系的「数理统计」用书，这本书非常适合自读， 不论是举例、证明多半都有详细的步骤与解释。 不过该书偶有一些错误，需要注意。 习题多半是与例子相似的题型，很适合还在摸索欲熟悉统计工具与技巧的人练习， 跟数学系的「统计学」的用书相比题目稍易，但却可以很紮实的打好基础。 Mathematical Statistics and Data Analysis, 2nd Edition Rice, John A 　　 这本书是数学系「统计学」的上课用书，在下非常喜欢这本书。 该书在理论与实务的内容分配得恰到好处，既说明了重要的数学基础， 又能配合实务上的需要提供相关的检定法。 在举例上更是跨足了各种领域，生物、工业、医学、心理等领域的实验方法与 数据都出现过，也说明了统计确实是一门应用极广的学科。 该书习题堪称难易适中，有基本题也有重要的技巧， 非常适合学过初等统计或统计导论者使用。 如能紮实念完这本书，那麽大学部所需要的统计能力大概都具备了。 Statistical Inference. 2nd edition Casella, G. and Berger, R. L. 这本书是数研所「高等统计推论」的教科书，在下个人的感觉是「难得很」， 其实并不像老师说的那麽难易适中，当这很有可能是我自身数学能力不够的问题。 该书论及的机率与统计领域相当广泛，书中证明算是不少， 不过例子不多，有时候会抓不太到感觉。 很多重要的结果和例子都会放在习题当作练习，所以作习题是相当重要的一件事情， 没有一次习题我不是到教作业前一天才写完的，难度与广度兼具。 在下认为本书不太适合自习，因为例子不多，但适合两三个人的读书小组合力阅读， 对於立志於统计领域者，该书请视为必要的挑战。 A First Course In Multivariate Statistics Bernard Flury, Springe 2 这本书是数研所「多变量分析」的教科书，该书的优点在於例子颇多，适合自修， 缺点在於重点散布在字里行间的叙述之中，如没有一位经验老到的人带领相当容易忽略。 另外，该书也非真的简单，虽然证明常常是寥寥数行， 但其实常常是因为省略了一些繁杂的运算过程， 若非对於线性代数相当熟悉者 (譬如在下..|||) 其实会有理解上的困难。 有些证明虽留作习题，但却是他本课本中的例子，建议配合老师开的书单一起服用， 效果会较佳，但相对的，这也表示需要花相当多的时间才能透彻理解。 关於统计推荐用书，也可参考 http://www.math.ntu.edu.tw/student/book/book_statistic.htm。 以上是在下的一些浅见。 -- 另外顺便打个广告:P，如果只是想初试啼音一下， 通识课程里的「民意调查」与「统计史导论」，也推荐修修看喔。 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 220.130.207.227 ※ 编辑: omegaMAX 来自: 220.130.207.227 (08/28 02:38)