吴喜之，北京大学数学力学系学士，美国北卡罗来纳大学统计系博士。中国人民大学统计学院教授、博士生导师。国内统计学界的学术带头人，国内推广R语言的先驱。曾是国务院学位委员会统计学科评议组成员、概率统计学会常务理事、国家教委概率统计教材组成员、国家统计教材编审委员会委员。主要从事序贯分析、回归诊断、质量控制和模型选择等方向的教学与研究，多次主持国家自然科学基金项目。在国际重要学术刊物上发表论文50多篇，著有近20部专著和教材，代表性著作有《复杂数据统计方法》《非参数统计》等。曾在北京大学、南开大学、美国加州大学和北卡罗来纳大学任教。
强化学习入门
吴喜之, 张敏
评分 暂无
复杂数据统计方法（第4版）
吴喜之
数据主导的学习方式有助于读者理解数据科学的本质，读者可以通过分析数据学会多种统计方法的应用。本书以数据形式为导向，对应不同的数据形式介绍可能使用的一些统计方法。这些统计方法可能属于不同的模型和统计方向，但只要适用于同一类数据，本书就尽量都予以介绍，以此启发读者探索及创新。 本书初版以来，在广大读者的支持和鼓励下，10年间不断更新。第4版在第3版的基础上做了增补及修正，并且
统计学（第五版）
《统计学：从数据到结论》一书由浅入深地讲授统计学基础知识，并提供了统计方法的两种软件，既R和Python的使用方法，让读者可以边学习边着手用统计软件处理数据。全书涉及统计学基本概念、数据的收集、数据的描述、概率和分布、变量之间的关系（回归和分类、多元分析）、时间序列分析、生存分析简介和基本软件使用方法的介绍等。本书前面的章节是对统计基本概念的介绍，后半部分则介绍了更有针对性的一些统计模型、方
应用回归及分类（第2版）
本书包括的内容有: 经典线性回归、?义线性模型、混合效应模型 (分层模型)、机器学习回归?法 (决策树、bagging、随机森林、各种 boosting ?法、??神经?络、?持向量机、k 最近邻?法)、?存分析及 Cox 模型、经典判别分析与 logistic 回归分类、机器学习分类?法 (决策树、bagging、随机森林、adaboost、??神经?络、?持向量机、k 最近邻?法).其中
贝叶斯数据分析——基于R与Python的实现（基于R应用的统计学丛书
贝叶斯统计是和基于频率的传统统计 (频率派统计) 不同的一套关于统计推断或决策 的理论、方法与实践. 本书除了介绍贝叶斯统计的基本概念之外, 还介绍了不同贝叶斯模型的数学背景、与贝叶斯模型对应的各种计算方法, 并基于数据例子来介绍如何通过各种软件实现数据分析.本书使用的软件是以 R 为平台的 Stan 和以 Python 为平台的 PyMC3, 它们都是人们喜爱的*的基于
多元统计分析
本书基于数据驱动的思维，以R和Python作为编程工具对大量实际案例做了分析。介绍了回归、分类及各种多元分析方法（包括主成分分析、因子分析、聚类分析、典型相关分析、二元及多元对应分析、多维尺度变换分析）的概念、应用及可能的误区。 本书并不要求读者有数理统计的预备知识，而且本书在一开始为读者提供了为理解概念而必要的代数知识，并附有学习编程语言的练习。读者可以通过本书学到机器
应用时间序列分析
吴喜之, 刘苗
本书通过案例讲述有关的概念和方法，不仅介绍了 ARMA 模型、状态空间模型、Kalman 滤波、单位根检验和 GARCH 模型等一元时间序列方法，还介绍了很多新的多元时间序列方法，如线性协整、门限协整、VAR 模型、Granger 因果检验、神经网络模型、可加 AR 模型和谱估计等。书中强调对真实的时间序列数据进行分析，全程使用R软件分析了各个科学领域的实际数据，还分析了金融和经济数据的例子 本书
Python
评分 7.1分
Python是一款非常优秀的通用软件，功能强大，它的模块数目有几万个，而且还在飞速增长。本书是以一个统计学家的视角，以统计学内容为载体，力图用*简单的方式让你尽快掌握Python精髓计算机语言类图书。 本书面对是统计、应用数学及数据分析方面的师生和实际工作者。 吴喜之 北京大学数学力学系本科，美国北卡罗来纳大学统计博士。中国人民大
应用回归及分类
评分 9分
本书括的内容有： 经典线性回归、广义线性模型、纵向数据(分层模型)， 机器学习回归方法(决策树、bagging、森林、mboost、人工神经网络、支持向量机、k近邻方法)、生存分析及Cox模型、经典判别分析与logistic回归分类、机器学习分类方法(决策树、bagging、森林、adaboost、人工神经网络、支持向量机、k近邻方法). 其中， 纵向数据(分层模型)及生存分析及Cox模型的
复杂数据统计方法
评分 9.2分
本书自面世以来，得到了广大读者的支持和鼓励。目前的第三版在第二版的基础上做了相当大的增补，并且重新安排了章节，主要增加了贝叶斯网络、 定序变量的比例优势模型、调查问卷的垃圾比例计算等，总共增加将近1/3的篇幅. 本书没有按照数学模型的分类来编排，选择的数据也不像标准教科书中的例子那样“规范”，但这正是对真实数据和现实世界的反映。本书试图让读者理解世界是复杂的，数据形式是多种多样的，必须有超越书本、
统计学
评分 8.5分
本书每一章的主要部分是用日常语言来引进和解释一些概念，如果可能，就通过例子来说明。如果不涉及应用，这部分就足够了。在本书例题的分析中，同时提供简洁明了的软件代码，可以使读者一边看书，一边自己计算，这会给多数想要自己动手分析数据的读者以方便。每章后面的小结中还展示了与概念及计算有关的一些数学公式以及软件的说明，使那些精力充沛的读者能更深刻地理解内容。这种安排使得本教材能够适用于各种不同水平、不同要求
评分 8分
《统计学:从概念到数据分析》主要介绍了概率基础、统计的基本概念、描述性统计、估计、假设检验、回归与分类等内容，同时介绍了决策树、神经网络和随机森林等组合方法以及如何用R、SPSS、SAS等软件来实现相应的计算目标。
统计学（第二版）
吴喜之 编著
评分 7.8分
统计学：从数据到结论，ISBN：9787503749964，作者：
评分 8.8分
