統計方法是數據科學的關鍵部分，至今少有數據
科學家經歷過正規的統計學訓練，關於統計學基礎的
課程和教材也極少從數據科學的角度編排相關主題。
彼特·布魯斯、安德魯·布魯斯著的《面向數據科學
家的實用統計學(影印版)(英文版)》這本實用指南介
紹了如何將各種統計方法應用於數據科學，告訴你怎
樣避免誤用，並且提供了關於內容重要性的建議。
很多數據科學資源包括了統計方法，但是欠缺具
有深度的統計學視角。如果你熟悉R語言編程，也對
統計學有所了解，這份快速參考將幫助你搭建易學可
達的知識橋梁。
你將從這本書中學到：
為什麼探究式數據分析是數據科學的入門關鍵；
隨機采樣如何減少偏見並產生高質量的數據集，
即便用於大數據；
實驗設計原則如何生成針對問題的答案；
如何使用回歸估計結果及檢測異常；
用於預測記錄歸屬的關鍵歸類技巧；
從數據學習到的統計機器學習方法；
用於從未標記數據中提取意義的無監督學習方法
。

Preface
1. Exploratory Data Analysis
Elements of Structured Data
Further Reading
Rectangular Data
Data Frames and Indexes
Nonrectangular Data Structures
Further Reading
Estimates of Location
Mean
Median and Robust Estimates
Example: Location Estimates of Population and Murder Rates
Further Reading
Estimates of Variability
Standard Deviation and Related Estimates
Estimates Based on Percentiles
Example: Variability Estimates of State Population
Further Reading
Exploring the Data Distribution
Percentiles and Boxplots
Frequency Table and Histograms
Density Estimates
Further Reading
Exploring Binary and Categorical Data
Mode
Expected Value
Further Reading
Correlation
Scatterplots
Further Reading
Exploring Two or More Variables
Hexagonal Binning and Contours (Plotting Numeric versus Numeric Data)
Two Categorical Variables
Categorical and Numeric Data
Visualizing Multiple Variables
Further Reading
Summary
2. Data and Sampling Distributions
Random Sampling and Sample Bias
Bias
Random Selection
Size versus Quality: When Does Size Matter?
Sample Mean versus Population Mean
Further Reading
Selection Bias
Regression to the Mean
Further Reading
Sampling Distribution of a Statistic
Central Limit Theorem
Standard Error