数据科学统计基础（第2版）

作者简介

吕晓玲，中国人民大学统计学院教授，博士生导师；数据科学与大数据统计系系主任；中国人民大学数据挖掘中心主任。奥地利约翰·开普勒林茨大学应用统计系以及美国加州大学伯克利分校统计系访问学者。一直从事统计机器学习、数据科学领域的研究。主持教育部人文社会科学研究项目以及国家自然科学基金项目。在Journal of the American Statistical Association，Journal of Electronic Commerce Research等SSCI/SCI检索的国际学术期刊发表多篇论文。

黄丹阳，中国人民大学统计学院副教授，中国人民大学杰出青年学者，北京大数据协会理事会副秘书长、常务理事，全国工业统计学教学研究会青年统计学家协会理事。主持国家自然科学基金，北京市社会科学基金等多项科研课题，曾获北京市优秀人才培养资助。长期从事复杂网络建模、大型网络计算、超高维数据分析等方向的理论研究工作。在国内外权威期刊Journal of the American Statistical Association，Journal of Econometrics，Journal of Business and Economic Statistics，以及《统计研究》《管理世界》等发表多篇论文。

李伟，中国人民大学统计学院副教授，中国人民大学吴玉章青年学者，入选国家高层次青年人才计划，中国现场统计研究会因果推断分会副秘书长。主持国家自然科学基金青年科学基金项目、北京市自然科学基金面上项目等多项课题，参与国家重点研发计划青年科学家项目。研究方向是因果推断、缺失数据、高维统计及其在生物医学、社会经济学等领域中的应用。在Journal of the Royal Statistical Society Series B，Biometrika, Journal of Econometrics，Biometrics等国际统计学期刊发表多篇论文。

内容简介

大数据和人工智能时代给统计学带来了巨大的机遇，同时也带来了前所未有的挑战。 可以说，统计学这个学科正处于传承和发展的伟大变革时期。本书是传统数理统计教材和课程的新发展。 数理统计是统计学专业非常重要的学科基础课。我们一直认为统计学的基础是数学，所以才称为数理统计。诚然，在计算机技术并不发达的统计发展的早期，严谨的数学推导是统计理论的唯一保证。但数学定理的推导对统计方法的应用有很多局限，比如需要很多假定，如果这些假定不符合实际情况，理论就没有用处；比如更复杂的应用场景很难有经典的数学理论结果来保证方法的有效性。现在是大数据时代，计算机技术的发展使得统计方法有了很大突破，应用领域有了更大的拓展，但并不是说我们不需要数学理论了，只是说需要的数学方法也相应有了更多变化和要求。统计学是一门方法论的学科，我们应该首先弄清楚要研究的问题是什么，然后探讨如何构造方法(解决数据分析的实际问题)以及如何评价方法(保证方法的科学性)。所以说数学理论是为评价统计方法服务的，在这个角度上，不能把统计看作一门数学课，用数学的标准来要求统计学。本课程作为学科基础课，更应该强调统计学是一门方法论的学科这样的统计思想，更应该在数据科学的大背景下围绕这个核心编写教材、组织教学。