图灵程序设计丛书 统计思维 程序员数学之概率统计 Think Stats [美］Allen B. Downey 著 张建锋 陈钢 译 Beijing • Cambridge • Farnham • Köln • Sebastopol • Tokyo O’Reilly Media, Inc.授权人民邮电出版社出版 人民邮电出版社 北 京 内 容 提 要 《统计思维 ：程序员数学之概率统计》是一本以全新视角讲解概率统计的入 门图书。抛开经典的数学分析，Downey 手把手教你用编程理解统计学。概率、 分布、假设检验、贝叶斯估计、相关性等，每个主题都充满趣味性，经编程解 释后变得更为清晰易懂。 本书研究数据主要来源于美国全国家庭成长调查（NSFG）与行为风险因素 监测系统（BRFSS），数据源及解决方案的相关代码全部开放，具体章节列出了 大量学习和进阶资料，方便读者参考。 本书面向广大程序员和计算机专业的学生。 图灵程序设计丛书 统计思维：程序员数学之概率统计 ◆ 著 [美] Allen B. Downey 译 张建锋 陈 钢 责任编辑 刘美英 责任印制 焦志炜 ◆ 人民邮电出版社出版发行 北京市崇文区夕照寺街14号 邮编 网址 北京 100061 电子邮件 [email protected] http://www.ptpress.com.cn 印刷 ◆ 开本：880×1230 1/32 印张：5 字数：125千字 印数：1 — 4 000册 2013年 5 月第 1 版 2013年 5 月北京第 1次印刷 著作权合同登记号 图字：01-2012-8793号 ISBN 978-7-115-31737-7 定价：29.00元 读者服务热线：(010)51095186转604 印装质量热线：(010)67129223 反盗版热线：(010)67171154 版权声明 © 2011 by Allen B. Downey. Simplified Chinese Edition, jointly published by O’Reilly Media, Inc. and Posts & Telecom Press, 2013. Authorized translation of the English edition, 2011 O’Reilly Media, Inc., the owner of all rights to publish and sell the same. All rights reserved including the rights of reproduction in whole or in part in any form. 英文原版由 O’Reilly Media, Inc. 出版 2011。 简 体 中 文 版 由 人 民 邮 电 出 版 社 出 版，2013。 英 文 原 版 的 翻 译 得 到 O’Reilly Media, Inc. 的授权。此简体中文版的出版和销售得到出版权和 销售权所有者的许可。 版权所有，未得书面许可，本书的任何部分和全部不得以任何形式重制。 III O’Reilly Media, Inc.介绍 O’Reilly Media 通过图书、杂志、在线服务、调查研究和会议等方式传播创新知 识。自 1978 年开始，O’Reilly 一直都是前沿发展的见证者和推动者。超级极客 们正在开创着未来，而我们关注真正重要的技术趋势——通过放大那些“细微 的信号”来刺激社会对新科技的应用。作为技术社区中活跃的参与者，O’Reilly 的发展充满了对创新的倡导、创造和发扬光大。 O’Reilly 为 软 件 开 发 人 员 带 来 革 命 性 的“ 动 物 书 ”； 创 建 第 一 个 商 业 网 站 （GNN）；组织了影响深远的开放源代码峰会，以至于开源软件运动以此命名； 创立了 Make 杂志，从而成为 DIY 革命的主要先锋；公司一如既往地通过多种 形式缔结信息与人的纽带。O’Reilly 的会议和峰会聚集了众多超级极客和高瞻 远瞩的商业领袖，共同描绘出开创新产业的革命性思想。作为技术人士获取信 息的选择，O’Reilly 现在还将先锋专家的知识传递给普通的计算机用户。无论 是通过书籍出版、在线服务或者面授课程，每一项 O’Reilly 的产品都反映了公 司不可动摇的理念——信息是激发创新的力量。 业界评论 “O’Reilly Radar 博客有口皆碑。” ——Wired “O’Reilly 凭借一系列（真希望当初我也想到了）非凡想法建立了数百万美元的 业务。 ” ——Business 2.0 “O’Reilly Conference 是聚集关键思想领袖的绝对典范。” ——CRN “一本 O’Reilly 的书就代表一个有用、有前途、需要学习的主题。” ——Irish Times “Tim 是位特立独行的商人，他不光放眼于最长远、最广阔的视野并且切实 地按照 Yogi Berra 的建议去做了：‘如果你在路上遇到岔路口，走小路（岔 路）。’回顾过去，Tim 似乎每一次都选择了小路，而且有几次都是一闪即 逝的机会，尽管大路也不错。” ——Linux Journal 译者序 搞科研的都知道，论文发表情况是评判科研水平的主要指标，而学术 期刊的影响因子则代表了期刊的档次，从而也就直接反映了论文的水 平。在统计学领域，影响因子最高的期刊是什么？不是《皇家统计学 会志，B 辑》（JRSS B），也不是大名鼎鼎的《统计年鉴》（Annals of Statistics）和《美国统计学会会刊》（JASA），而是《统计软件杂志》 （Journal of Statistical Software）。什么？我推导了十几页公式，提出 了如此高级的统计模型，证明了十几年无人搞定的定理，竟然还不如 写两千行代码，发布一个统计分析的小工具？ 这样的统计学世界让人感觉怪怪的，但现实如此。统计学的分析对象 再也不放进打印在 A4 纸上的表格，靠普通计算器和教科书附录中的 各种表格已经不可能实现现实所需的统计分析——离开了计算机，统 计在现代科学和工程领域寸步难行。 不讲代码的统计学图书已经过时了！ 你手中的这本书不是教你如何在 SPSS 中点鼠标，也不是如何在 SAS 中调用函数，而是介绍如何用 Python 这样的通用编程语言去获取和处 理原始数据，去理解和实现统计分析，去跟上时代对统计的要求。 本书采用大量实例介绍了基本的统计分析知识，教你如何用 Python 编 程语言实现各种分析，乃至画出统计图形。本书提供了绝对实用的配套 v 代码，你可以直接“拿来”对大量数据进行分析。作者 Allen Downey 是高校副教授，先后获得麻省理工学院计算机科学硕士和加州大学伯克 利分校计算机科学博士学位。别惊讶，是的！计算机专业的教授写的统 计学读本，这才是这本书最大的亮点。统计学和计算机在本书中紧紧地 拥抱在一起，这是多美好的场景。 好吧，准备好键盘，让我们开始一次硅世界的统计学旅程！ 张剑锋 陈钢 2013 年 3 月 26 日于深圳华大基因 致谢 感谢发起本书翻译的陈钢博士，他出色地引导我完成了本书部分章节 的翻译工作。感谢图灵编辑部的刘美英女士，她对本书的校译和定稿 提供了宝贵意见和辛勤劳动。感谢所有引导我走上统计学道路的人 们，他们让我认识了一个如此精彩纷呈的世界。 感谢我的家人，你们是我在艰难中前行的不竭动力。 ——张建锋 感谢我的合作者张建锋，他在关键时刻参与了本书的翻译工作。感谢 图灵的傅志红、李松峰、刘美英等编辑的帮助和宽容，让我们能最终 完成这本书的翻译工作。 谨以此书献给我的夫人王倩和儿子陈涤菲，你们是我所有努力的动力 源泉。 ——陈钢 vi ｜ 译者序 目录 前言.............................................................................................................................. xi 第1章 1.1 1.2 1.3 1.4 1.5 1.6 程序员的统计思维 .................................................................................. 1 第一个孩子出生晚吗 ..................................................................................... 2 统计方法 ......................................................................................................... 3 全国家庭成长调查 ......................................................................................... 4 表和记录 ......................................................................................................... 5 显著性 ............................................................................................................. 9 术语 ............................................................................................................... 10 第2章 描述性统计量 ......................................................................................... 13 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 均值和平均值 ............................................................................................... 13 方差 ...............................