本书由浅入深全面地介绍了MATLAB的各个知识点，并对每个知识点配以大量的实例演示，以帮助读者快速掌握MATLAB软件的各种操作技能。本书共12章，分别介绍了MATLAB入门操作、MATLAB数据类型、矩阵运算、程序设计、图形可视化、图形用户界面（GUI）、数值计算、符号计算、Simulink基础、应用程序接口、文件导入和导出操作等内容。本书适合帮助零基础的读者在最快的时间内掌握MATLAB软件的基础操作。同时，因为本书各章节对基础知识的讲解特别详细，对每一个知识点都有所介绍，因此也适合相关专业用户用来作为一本可靠的操作手册，常备身边。
出版社：电子工业出版社
出版日期：2012年9月
ISBN：978-7-121-17777-4
价：49.00元
免责声明：图书版权归出版社和作者所有， 仅提供试读
本书详细信息
前言与目录
第1章 初识MATLAB
随便说两句
可以匿名发言哦！
(点击进行更换)
作译者简介
王薇 姚鑫锋&&
本作者其他图书
作者：王家林
&&伴随着大数据相关技术和产业的逐步成熟，继Hadoop之后，Spark技术以其无可比拟的优势，发展迅速，将成为替代Hadoop的
相关技术专题
           
51CTO旗下网站新手准备学习matlab，有什么好书推荐，谢谢_matlab吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：164,559贴子：
新手准备学习matlab，有什么好书推荐，谢谢收藏
谢谢各位，新年快乐
西班牙五校联招——让你的名校offer梦想触手可及!
加我qq吧，空间里有一些视频和源程序代码，以及一些电子书
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或一个统计本科毕业生给各位学弟学妹们介绍经验，希望你们少走我这样的弯路 （一） | 我们都爱统计学小组 | 果壳网 科技有意思
1804人加入此小组
我毕业于美国一个统计学专业排名前10名的公立大学。今年6月刚刚毕业。从大二上第一门统计专业课算起，已经和统计学打了三年的交道了。我从最开始by chance进的专业，到觉得这个专业无聊，再到开始对这个专业不讨厌，最后到现在觉得这个专业很性感，决定和统计学继续把交道打下去，其实中间还蛮曲折的。自己是属于非常努力的那种学生，但是因为天赋有限，所以“努力”让自己在整个专业中的成绩稳定在中上游，“缺乏天赋”使自己没有能成为最优秀的。但是就是因为这样，才觉得自己在学习统计学方面的经验和体会对于大部分组员们还是很一定参考价值的。 相信大多数刚进来统计学专业的弟弟妹妹们，对统计学的理解就是限定于“概率”。比如一个袋子里面3个球，两个红的，一个白的，蒙住你的眼睛，问模到白色的球的概率是什么。我当时觉得这就是统计学，统计学就是这个。所以就导致了在学基础的数理统计的时候，对基础理论的掉以轻心，以导致之后花了1000%的力气去弥补当年的损失。为了避免学弟学妹们和我一样犯同样的错误，我一定会在这个帖子中好好承认我当年的问题，总结我当年血一样的教训，希望大家在读了这帖子后，有点启发，少走点弯路，多点时间去锻炼身体，以便更好地享受你和统计学有价值的时光。（帖子较长，分段更新）1. 关于专业的选择：你一定要给你自己一个机会 相信有很多看到这篇帖子的同学还没有学习过这门专业，或者说是打算尝试下这门专业。从我的角度来看，我觉得大家不管上第一门统计课的动机如何，都应该给这个专业一个走进你的机会。不单单是对于统计这一个专业而言，其实是对于所有专业都是这样。我为什么这么讲呢？我高中是文科生。数学一般。物理奇烂。高一期末分科考试，因为物理不计入总体成绩，我又打算学文，于是就破罐子破摔，物理以17/120的成绩结束了我人生中最后一门物理课。真的是人生中最后一门物理课哦，这种恐“物”心理一直延续到我大学毕业，都没敢再上一门物理课。 我来美国读本科以后，其实也非常排斥数学，也因为我是文科生，从高二分科后，就觉得自己数学不好。其实这种心理暗示很恐怖的，自己总是觉得数学不好不好，就越发真的不好。于是本科打算进的专业也不能和数学有太大关系，于是就说学经济吧。后来发现，自己对专业的选择是多么幼稚可笑。学经济的人的数学能力应该是非常非常强的。我记得我的一个助教，她过去是北航学习物理的，现在是我本科学校的phd。她说经济学中的数学推导是最令人发指的，发指到她算着算着就不知道自己到底为什么这么算了。所以说大家在进去专业前，一定了解这个专业的性质是什么。我当时选择经济，就是因为国人都学，觉得这个是个很高级的专业。没有想到的是，经济学就要读PHD才有出路，且就业压力极大，除了faculty这条路基本上没有什么路了。 然后，大一上着上着的时候，知道了原来学校还有一个专业叫Applied Computational Mathematical Science，简称ACMS，是应用数学专业的一个本科分支。这个专业有个分支是数学经济。我觉得要不再选择个这个专业吧。虽然有点数学课，但是硬着头皮也能读下来，何况美国人民数学不好。于是我就又加了一个专业，就是这个ACMS。这个时候，我有了两个专业。所以大家在学一个专业或者课程前，千万不要根据自己过去的经历给自己下定义，为什么呢？因为我发现我自从选择了这个专业，要逼迫自己开始学数学的时候，我渐渐发现学数学真的很有意思。数学前几门入门课，都是几百人上的，里面鱼龙混杂，拿个高分不难。这种“假高分”就让我觉得学得挺有成绩感的。成就感真的会成就你对一个事物的兴趣的。后来上了高级别的课程，每个班级只有30个人的时候，那个时候的30个人都是真正的数学专业的，GPA比较难拿。但是因为尝试过，也比较喜欢，所以那个时候学习数学就是兴趣为先，GPA次要。现在有的时候，真的再想，当年应该学门物理课的，没准我现在就是物理专业了。 后来我是怎么又学了统计学呢？我大一结束的时候，去找ACMS的顾问，也就是advisor，讨论选课的事情。她看我上课上得蛮快的，说现在有一门叫做数理统计学的课程，是开学后秋天开始上，挺好的，问我想不想上。我当时想，什么是统计。我其实那个时候连statistics这个单词都要反应半天。就和advisor讲我还是不上了，因为不知道是什么。这个advisor超级热心，说这课报的人比能接纳的人多，而且一年一次，趁还有空余位置，就把我加进去，等我上了第一节课，再决定放不放弃。然后我一听，也好啊，反正没损失。之后就在2010年的秋天上了人生中第一门真正意义上的统计课。当时之所以没有在第一天扔掉这门课，就是发现想上这课的人真的好多好多，但是大部分都不能如愿，还要等一年才能上，自己有种赚到的感觉。 所以，学弟学妹们，一定要给你自己一个和陌生学科接触的机会。千万不要因为自己是文科生就觉得自己玩不了数字，也不要因为自己是理科生玩不了文学。一定要尝试，选专业如此，今后的路更是如此。可能你给自己的这个机会能改变你的人生轨迹。我就想如果我当年没有遇到这个热心的advisor，没有决定在那节课上待下去，我现在可能正在发愁到底学不学经济学，或者转不转专业的问题。2. 关于选择几个专业：一定要精致，精致，再精致我觉得我大学四年中，很遗憾的一件事情就是选择了三个专业。三个专业的好处是接触的知识多，范围广，找工作时候的对口工作多。但是对于大部分智商平常但又非常努力的童鞋们来说，弊绝对是大于利的。为什么呢？人的精力是有限的，做得多就意味着做不精。三个专业，又想拿好的GPA，就意味着每天的日子不是为了学知识活的，而是为了GPA而战的。这种学习方式，就是学不精致：只要学到考试点上，绝不深究。不是因为不想深究，而是因为另外一门专业还要时间去保住GPA。如果让我重新选择，我会在我大二的时候放弃掉经济专业。把ACMS的专业方向从数学经济改成Operation Research，匀出些时间学统计专业里面的选修课程。还要匀出时间和教授做相关的research。这样自己统计方面的知识储备就更加完善。因为，对于一个真正想在统计学这条路上走下去的人来讲，本科阶段放弃了这种探究同领域不同方向的机会真的是很大的遗憾。尤其是对于统计学这种研究性专业来讲，在未来申请硕士和博士的时候，还是非常看重你本科的专业背景的。所以，如果你们找到了自己真正喜欢的专业，改舍弃的东西，一定要毫不犹豫地舍弃。千万不要图多，要精致，一定要精致。何况，现在想想，其实把一个专业学精致了，找到的工作只会好不会差。3. 零基础，入门统计学在这部分中，我想根据自己大学中学习统计学的经验，介绍下如何在零基础的前提下完成统计学的入门。所以这部分的内容无论是对于本科阶段没有接触过统计的同学，还是小组中想了解这方面内容的前辈们都很适用。当然，如果你已经完成了本科阶段统计的学业，你可能是统计专业或者相关领域的研究生，PHD或者已经工作数年的职场达人，欢迎你来补充和critique我写的内容。我也刚刚本科毕业哦~要学的东西还很多。 下面我根据我的学习内容，把统计学入门应该学的基础课程分成数学部分，编程部分和统计部分三个部分加以罗列。每个建议的topic下我都列出了建议使用的书籍以及对应的Amazon上的地址，有一些我还列出了一些网上课程的资料，希望能够减少大家花在google上的时间。虽然我学统计的时候，是不得不用英文学习，我还是建议大家直接学习英文课本。按照我周围人大部分人的经验来看，英文描述学术方面的语言更加简练易懂。总之，下面的书也都有中文译本，大家根据自己的实际情况选择最适合自己的方法就好。 数学部分：以下内容按照顺序学习就好解析几何和微积分 教科书是Stewart写的数学逻辑 Daniel J. Velleman 的基础微分 Boyce-DiPrima的矩阵代数及其应用 David Poole 的实分析 Taylor的线性代数 JohnH. Mathews 的 MIT的 计算机编程部分：没有必然的先后顺序之分JAVA
关于使用哪个平台，我不是expert，大家问问周围的专业人士们，然后告诉我，我来更新。我使用的是。这个应该是最常用的了。因为自己当初学JAVA就是应付差事（大家千万别学我）。
其实很多学习CSE的同学喜欢 ，更方便。
教科书是使用的Reges和Marty的 这本书也是U of Washington的两门基础JAVA编程课，CSE 142和CSE143，的教科书（非必买）。先上完 142成绩合格了才能上143。这个两个课程的网站对外是公开的。真的是非常好的课程。我也看过很多JAVA 的课程和公开课，这两门课程无论是从质量和难度上，绝对是JAVA课程中的上品。你如果认认真真完成了
每个作业，即使是对于计算机专业的同学，也是非常大的提高。这两节课最初就是由教科书的两位作者上 的，虽然说Marty现在抛弃了UW去了Stanford，我还是怀念他四年前给我上这门课的场景。Reges也非常非 常非常棒，我的第二门课是跟他的。他是那种能把编程这么无聊的事情讲成非常浪漫的事情的教授。他现在 还是在UW为了这个课程的发展而拼搏。R语言：统计学中最重要的工具，没有之一
我最早用的就是CRAN的发布的 现在用的是，好用太多，强烈推荐大家去下这个。 讲R语言的书很多很多，每本书都有它存在的闪亮点。我觉得有机会应该具体讨论下R语言的学习。根据我 的感受，看书绝对不是学习编程的最佳方式，但是绝对是最笨的方法。编程是作为工具存在的。非CS的同 学，在学习编程方面要功利些，也就是有针对性地学习：有用的学，没用的就没有必要钻研（当然，如果日 后打定主意走上统计这条不归路的时候，还是要深入学习，比如我）。这里有几本我觉得蛮有用的书籍。大 家千万不要掏腰包买，下载就好（我不能这么误导，但是真心觉得这种工具书，不值得买啊）
Michael J. Crawley 的（这本书的中文版年末或者明年年初上架，问我为什么知道？因为 我和另外几名战友在翻译这本书） 看来真有必要好好细致讨论下如何学习R ：）Matlab
Matlab据说在淘宝上可以买。在米国的话还要买正版，还好是学生价，99刀，虽然也不便宜，但是和非学生 价相比，我实在是谢天谢地。话说在国外的同学们，还是能用正版尽量用正版。我有认识人被抓住罚了2500 大洋就是因为用学校网络下载盗版windows。虽然非常少发生，但是一旦发生了的话，2500大洋在美国能买 25套windows正版系统了。 Matlab实在没有什么好的书推荐，因为我只是在学习线性代数的时候使用Matlab。平时都是使用R。但是有 一个手册比较好，。我当时学习matlab的时候就是靠它还有google写的作业。加上上面线性代数 里面推荐的那本Matlab的书籍，应该够用了。 LaTex
写作业必备神器。大家不用专门买书的，其实google和LaTex网上的一些手册就够了。如果真的想系统学， Helmut和Patrick合著 的还是不错的。 还有介绍个，我感觉这个更常用些，我们的作业都是靠这个模板弄的。统计学学习部分这部分开始真正意义上介绍和统计核心课程相关的学习内容。和与数学部分不同，这部分中的学习完全可以和我在计算机编程部分中讲的知识相互贯穿来学的。尤其是R语言的学习，对统计的了解和学习是及其有帮助的。 这个是重中之重。其实数理统计本身并不是多难，稍微有一些数学微积分基础的同学，掌握这部分内容应该非常快，但是想掌握扎实并且灵活了，非常难。好比说统计学中最基础的一个概念：平均数。不学统计的同学们也知道，平均数就是把所有的数据相加除以数目。但是学了数理统计的童鞋们，如果你们对平均数的概念就只是这样，那你们真的应该好好翻翻书再复习下了。 初中老师讲平均数的时候，还讲了中数，除了这些还讲了条形图，扇形图等各种各样的图。为什么要讲这些？为什么要讲平均数？其实在这个阶段，就是为了教你如何直观地观察数据，让你对数据有个直观的把握。后来我们学了variance，就发现，原来描述数据的时候，mean不准确，我们要结合variance才能更准确地明白数据。之后又有结合参数来讲mean。简单的算术mean和为了衡量参数而衍生出来mean有着不同的意义。这个mean可以用maximum likelihood estimator求得，也可以用method of moments求出。不同的distribution有mean， random resampling中有mean，做regression analysis的时候要用mean，连做statistical inference的时候还是要用到mean。Mean真是无处不在。虽然说这些定义还算是基础，但是非常容易搞混，一旦搞混了，你接下来的很多东西都不能学了。每天积攒点糊涂了，几个月下来就真的糊涂了。这里推荐大家一本书Larsen 的他还配套一本参考答案，不过这本答案只有课后题的奇数题目的答案，偶数题目的答案只有教师用书上有。如果不会的话，只能google。 这本书算是我见过的所有的数理统计学书中最最简单直白的了，他前面一二章讲的是非常基础的概率知识，然后徐循渐进到较难的部分。整本书将近千页，但是对大家的数学水平并没有很高的要求，只要微积分基础还算是扎实，稍微知道点实分析中的分散和收敛就可以了。不过，这本书信息量也非常大，覆盖的内容也很广。我学数理统计学的时候，就是用的这本，连续三个学季，也就是9个月才把这本书从第一页学到了最后一页。到了后来学习更难的课程的时候，还要经常翻书来温故而知新，也可见本书对日后的学习有多重要了。这里我给大家分享下我学习这本书的心得，希望对自学的童鞋们有些帮助： 1). 这本书最重要的是所有黑字的定义和公式。一定要把它们理解清楚了。包括大写的X和小写的x的具体定 义，这些都要区分清楚。什么是value和random variable，什么是estimator和estimates。统计中这种看 着一样的概念很多，要区分； 2). 每道例题都要仔细弄懂，因为那些题目都非常有典型性。各种的经验和教训不断教育了LZ这些例题对日 后学习有着非同寻常的意义； 3). 如果有时间，大家可以试着做下课后练习，可以帮助你更好地理解概念。我觉得这些联系不但要做，而
且在没有到最后关头，不能看答案，最好能和人一起讨论下，这点应该对在校统计专业的弟弟妹妹们的一 个基本要求； 4). 如果很忙，非要给这本书分个层次的话，前12章是必学，最后两章可以选学： a. 一章到四章是最基础的部分： i. 其中一章到三章是基础中的基础； ii. 第四章开始讲分布。对于分布，大家应该了解的内容，可以见我们组里面发起的那个活动上面的内 容，对于统计专业的童鞋，这些内容都是要大家融化在血液中的； b. 第五章是在第四章的基础上建立展开的，讲estimation。通过这章，大家对分布中的estimator的性质
会有一个更立体的了解； c. 第六到第九章是讲statisticalinference，这个是日后大家学统计学用到的最多的东西； d. 第十章到第十二章是讲基础的regressionanalysis和AVOVA。如果大家以后有机会做dataanalyst方面 的工作，做data prediction少不了regression，但是那个时候混合着其他概念，会更加复杂； e. 最后两章是experimentaldesign和non parametric statistics，这些都更加接近现实生活一点，就是在 不知道现有数据分布和参数的情况下，如何做统计分析。当然讲得也非常浅显。所以整体来讲Larson的这本书比较基础，但是每章之间的衔接非常紧密，这点应该和我一会儿推荐的书有所不同。那本书可能前面某章不懂，后面的章节还能明白，这本书一旦有一点知识弄不清楚了，后面的跟着也就不清楚了。下面就推荐下这本，建议有一定理论基础的和统计专业的同学看看，是Edward 的这本书没有Larson的讲得广，比如regression的部分根本没有提。但是这本书中每个topic的讨论都深入很多。比如method of moments，Larson的书里面只花了2页提了一下概念和对应的简单的而应用，但是这本书用了12页的内容讨论。这本书可以作为Larson的补充来学习。基础数理统计最后要学到什么程度就说明你学得算是扎实可以进行下一部分的学习了呢？就是给你一篇统计学的paper，你可以根据paper中的逻辑，把他的演绎过程再自己演绎一遍，并且在不翻书的情况下，能说出每步的逻辑原理并加以描述论证。 2.回归分析regressionanalysis 及其应用在数理统计的脉络疏通的前提下，可以开始学习回归分析。根据自己和周围人的感觉来看，从这部分开始就比较地抽象。不像是数理统计，即便不明白，仔细钻研几天还能弄明白。回归分析最大的难点是，本身就是非常抽象，因为涉及到矩阵分布的内容，加上对数理统计的功底深，要是任何一点不扎实，这部分肯定越学越崩溃（真的是要用崩溃二字形容）。此外还建议大家好好学习线性代数的内容。我上文也有讲，还有推荐的公开课。首先大家要弄清楚最基本的scatterplot，很多人觉得这个太简单了，没人重视，实际上scatterplot可以帮助你对regression有个大体的感觉。你通过学习这部分，知道了什么是outlier，知道了不同的correlation coefficient大体对应的图的形式，知道了给你很多数据，你是怎么把那条回归线画出来的。通过学习这种是geometricsense的概念，才容易理解simple linear 和multiplelinear regression这种data sense的抽象事物。还是先推荐几本书：Douglas C. Montgomery 的和Sanford 的 前两本都是很传统的讲线性回归的书籍，无论从内容还是从结构上来看。其中Sanford的更加基础。但是，我最推荐的是Freedman的虽然这本书很便宜，但是它真的是物有所值。和很多的学究派的教科书不同，如上面两本，这本书本身是可以拿来当小说读的，语言非常口语化。读的时候，本身就有感觉是Freedman在亲自给你授课。这本书前半部分是讲回归的，很有特点的是书后面很大的篇幅是书中所提到的论文的原文，这样非常便于你随时查找相关论文的原文从而便于你理解。线性回归很多时候单讲理论的东西，非常晦涩难懂，但是一旦有一个实例，就非常容易理解了。而且本书的附录里面附有大部分难题的答案。还有matlab的code，相信想学matlab的童鞋可以参照这本书来学习。即学习了程序，也学习了统计，一举两得。这本书唯一的一个缺点是，内容过于精炼，所以可能学习来要查很多的资料才能够明白，不过前两本材料是很好的辅助材料。线性回归还是选取难点的教材比较好，因为是从上层来观察下层建筑，这样比较方便了解自己漏的部分。而且相信这本书语言的通俗性，也能让读者更清晰地领会到所需要明白的重点内容。再说下Freedman，本身就是位统计学界德高望重的老爷爷。他是UC-Berkeley的统计学教授，发展了Bayesians和Bootstrap 。相信学Machine Learning的同学都听该听说过他。他把统计学的研究拓展到了经济学，医药学，流行病学等等。这本书是2005年出版的，也是在他2008年去世前三年出版的，也应该算是糅合了他所认为的回归分析中最精华的内容。 3. R 语言的学习原本上面已经提到了R语言，但是因为R作为一个工具的存在，可以让你更好地理解统计分析。我和周围的同学都没有刻意地去学习R语言。因为我们的作业都是需要用R 完成的，所以为了写作业，我们都逼迫自己在写作业的时候去学习R。但是，请大家务必把教课书中的R code弄明白。主要的学习途径有这么几个：1. lab section 的R notes。教授的讲义和TA的讲义中所有用R 的地方都会在Lab section上重新演绎一次，我也会私下里再把R code重新compile一次；2. 做作业和讨论：感觉讨论在统计学中还是很重要的。一个好的统计专业学生，不但是做题好的，写code好的，更重要的是交流好的。好的交流着才能在交流过程中碰撞出解决问题的途径。同样，和同学讨论code才能帮助你理解。3. R help和google。原来不能超过1000字~只好新开个帖子写了
+ 加入我的果篮
生理学博士
好详细的经验介绍啊，加油~
生理学博士
我也是一开始觉得数学很难，虽然大学数学是必修，但是从来没有觉得非常有兴趣去学那些课，到后来在研究中慢慢接触到统计学的应用和用数学来解决问题的思想，才觉得真的是很有意思的。
引用 的话：我也是一开始觉得数学很难，虽然大学数学是必修，但是从来没有觉得非常有兴趣去学那些课，到后来在研究中慢慢接触到统计学的应用和用数学来解决问题的思想，才觉得真的是很有意思的。对啊。过去觉得专业都是选出来的，上了大学才知道专业是碰出来的~
说起来现在国内重视这个专业的学校也不是很多吧，我们学校对统计学的不是很重视，相反是一些金融专业和会计专业吃香，对了楼主认为对于这个专业，就是统计学应该考取些什么证书么。
引用 的话：说起来现在国内重视这个专业的学校也不是很多吧，我们学校对统计学的不是很重视，相反是一些金融专业和会计专业吃香，对了楼主认为对于这个专业，就是统计学应该考取些什么证书么。就单纯的“统计学”来说的话，其实和数学啊，物理啊，这些基础学科非常像，没有什么证书可以考。唯一能证明你学术能力的就是学历，这就是为什么很多的基础学科的人要读到博士才罢休。但是和那些基础学科不一样的是，统计学又是偏向基础学科的科学。会计学和统计学基本上是一点关系都没有的（我觉得是会计和统计，两个名字太相似了，所以很多人误认为会计=统计）。学统计的人的另外一个名字叫做“T PEOPLE”，因为统计作为一门学科的时候，你会学到分布啊，随机筛选啊，贝叶斯啊等等这些非常理论化的东西。但是学这些东西的目的是应用。他们可以应用在金融，零部件的生产，航空航天的安全，等等等等。这就需要学统计的人在掌握基础理论的前提下，也就是T中的一横，深入发掘相对应的领域，这就是T中的一竖。所以这就是统计非常有魅力的地方，学到的马上就要转化为实际生产力。即便是做统计教学，也要为了发表论文而不断了解各个行业的知识。所以说做统计真的是要活到老学到老。其实统计的应用范围非常广，有很多很多分支。这些分支中可能有你说的证书。比如精算师，有SOA可以考。金融，可以考CFA。但是貌似很多在金融领域做quants的都是数学物理统计的大牛，他们要是考CFA应该就是为了了解下金融行业吧。这个你要问有经验的人，虽然我认识的统计PHD有考CFA的。如果是做web analytics，貌似国内有相关的证书可考，但是一个统计硕士应该比证书含金量大。有做machine learning和data mining的，但是他们也都是统计和计算机的双学位。所以，统计是个既注重学历又注重经验的学科。学历和经验可以互相补救。我说的学历不一定非要有研究生或者博士的毕业证，而是扎实的基础知识（其实很多统计本科毕业生，连central limit theorem 都说不清楚）。不知道我回答了你的问题没有。
想问一下，不想考研不想双修，只想在大学自学一些课程，现在大二开学，有什么好的推荐么，还是说这样不好呢。
引用 的话：想问一下，不想考研不想双修，只想在大学自学一些课程，现在大二开学，有什么好的推荐么，还是说这样不好呢。学什么都有用吧，时间安排好就好了。我觉得在还没有找到自己真正喜欢的专业前，有条件的话，多上不同专业的课程，有利于你找到最适合自己的专业。如果你打算系统学统计，时间占线可能会长。你可以按照我上文中说的方法，先了解基本的数学理论，然后统计知识和编程同时学。如果条件允许，你可以看看你的大学统计专业的专业课程设置，在学校选学一些统计课程。如果本专业的压力已经不小了，你可以选听coursera上的一些统计课程。这个可以加快你学习的效率。总体上讲，coursera的课程不是那么深，但是范围广，是个迅速了解某个专业的好途径。还有一个方法，就是找统计专业的导师问他有没有research可以做。我感觉这种应该是最快上手的方法了。
电子工程硕士
写得很好很好～～我也是学得越深入才越领略到统计的魅力，很多工业部门都离不开它
引用 的话：学什么都有用吧，时间安排好就好了。我觉得在还没有找到自己真正喜欢的专业前，有条件的话，多上不同专业的课程，有利于你找到最适合自己的专业。如果你打算系统学统计，时间占线可能会长。你可以按照我上文...就是统计专业的丫，所以怎么结合才是更好的呢。
引用 的话：就是统计专业的丫，所以怎么结合才是更好的呢。我觉得首先你要和身边的学长们聊聊，他们的经验可以帮你避免很多弯路。因为你已经是统计专业了，相信基础的课程已经都学好了，这个时候你应该看看一些统计的高级课程有没有自己感兴趣的。我觉得，能早上难度高的课程，尽量早上。关于网课，自己安排好时间，抽时间上吧。但是别乱上，这样可能会浪费时间。你可以和教授谈下看看他的想法。或者上那种评价高的网课。
课程里面没有《组合数学》?
引用 的话：课程里面没有《组合数学》?嗯嗯~我看下这个组合数学是什么~没有学过中文教材~可能不少遗漏，谢谢告诉~：）
统计这门专业硕士毕业出来了工作不知道怎么样？待遇如何？是不是还得学个什么其他专业才能搭配起来用？
引用 的话：统计这门专业硕士毕业出来了工作不知道怎么样？待遇如何？是不是还得学个什么其他专业才能搭配起来用？从我周围的大部分同学来看，就业还是非常好的。一般读完master，有一大部分人选择了继续读phd，也有绝大多数人去IT或者health center做data analyst，还有很多人去做finance。总之，没有听说过失业。因为本身统计的应用性非常强，在专业的基础上，不管以后做什么领域，都是可以拿来就用。所以不需要再选第二个专业。如果想选，我觉得再选个数学作为辅修不错。关于统计PHD。统计是个很注重专业性的领域，所以从长久上来讲，读phd是有好处的，这样上升空间比单纯有master的学生要强。但是，我做指导的很多PHD都是工作几年后再根据需要读。不过这些人都是美国本土人，他们没有身份的限制。但是中国学生一般都是一口气读下来，因为签证麻烦。但是PHD学位，我只能说是一个做统计领域的捷径吧。工作经验和特殊贡献其实是可以和PHD学位等同的。但是这个特殊贡献，比如工作期间的paper，专利等等这些不是一般人能在兼顾工作的同时还能完成的，所以我说PHD是捷径。但是读PHD也很辛苦。很多人也中途quit。
正在“血一般的教训”中。。。。
想请问一下lz，有木有measure and integration入门级别的书推荐啊？最近在上这门课，但是讲的一些field什么的，有些不太懂。
引用 的话：想请问一下lz，有木有measure and integration入门级别的书推荐啊？最近在上这门课，但是讲的一些field什么的，有些不太懂。你是说的抽象代数里面的东西么？我这方面真的还没有接触过~只是在准备GRE Math Sub的过程中有，Cracking the GRE Math Sub的倒数第二章都是讲这方面的。我觉得这本书是我大学中唯一用到抽代的地方。不过我复习这部分的时候，有看的Harvard的公开课。你说你在上measure and integration，是不是MIT的那门？ 这个链接是这门课的用书
引用 的话：你是说的抽象代数里面的东西么？我这方面真的还没有接触过~只是在准备GRE Math Sub的过程中有，Cracking the GRE Math Sub的倒数第二章都是讲这方面的。我觉得这本书是我...恩，是这个。谢谢你。我是觉得MIT有些课/我们老师用的书比较难懂，看了你上面推荐的一些书，都是entry level的，所以比较感兴趣吧。可能是我基础不太好（实际上没怎么学过统计），然后就来上统计的高端课了。。。。坚持完了，下个学期继续修统计基础课吧==
引用 的话：从我周围的大部分同学来看，就业还是非常好的。一般读完master，有一大部分人选择了继续读phd，也有绝大多数人去IT或者health center做data analyst，还有很多人去做fin...哇，回答这么详细引用 的话：恩，是这个。谢谢你。我是觉得MIT有些课/我们老师用的书比较难懂，看了你上面推荐的一些书，都是entry level的，所以比较感兴趣吧。可能是我基础不太好（实际上没怎么学过统计），然后就来上统...请问你上的这门MIT的公开课有视频吗？我木有找到视频唉。
引用 的话：哇，回答这么详细请问你上的这门MIT的公开课有视频吗？我木有找到视频唉。好像木有看到有公开课的视频。。。。
学姐看过这本入门统计书吗？写得怎么样？ Probility--by Jim Pitman?
很有启发的帖子，谢谢楼主！
引用 的话：学姐看过这本入门统计书吗？写得怎么样？ Probility--by Jim Pitman?引用 的话：学姐看过这本入门统计书吗？写得怎么样？ Probility--by Jim Pitman?没有看过啊~
引用 的话：很有启发的帖子，谢谢楼主！谢谢啦~
谢谢楼主的分享，很受用。对于想要进入这个领域的人很有参考价值。我现在在美帝，研究生，专业是chemistry，正在准备transfer到ams学统计。现在正是比较迷茫的时候，好好看看这些东西是不是真的适合我。
高考被调到应用统计这个专业- -应该算是统计的一个分支吧！至今没有发现统计的魅力。。我理解不了。。你们国外学的是微积分，为毛我们学的是数学分析？（微积分是文科学的。。）矩阵到底有什么用？重点是 既然R语言这么重要。。为毛我们学的不是R 是C语言呢？难道我们要向高难度挑战？而且据说中国有统计师这个考？我们院长跟我们说我们方向是大数据分析。。考证是靠神马数据分析师？！
看到楼主的名字觉得很清新，读了文章和评论发觉楼主是一个非常认真的人，不知道是出于文学背景的气质还是统计专业的严谨，非常喜欢你的文章。我是学药学的，工作中自学了一些应用统计知识。向你学习。
同学 你好，我去年刚毕业于康奈尔大学的酒店管理学院（本科）。我也是运气好 撞进了这个学校和专业。当时是因为这个是全美第一的专业，然后我的理科在国内只是中上，所以选了酒店。然后我发现我一点都不喜欢酒店投资和开发，在校时学过统计，而且很喜欢。所以我想请问下 你觉得我现在再自学统计和数学，然后考master是不是太晚了？
引用 的话：同学 你好，我去年刚毕业于康奈尔大学的酒店管理学院（本科）。我也是运气好 撞进了这个学校和专业。当时是因为这个是全美第一的专业，然后我的理科在国内只是中上，所以选了酒店。然后我发现我一点都不喜欢酒店投...不晚的~康奈尔，羡慕嫉妒恨中=。=
引用 的话：高考被调到应用统计这个专业- -应该算是统计的一个分支吧！至今没有发现统计的魅力。。我理解不了。。你们国外学的是微积分，为毛我们学的是数学分析？（微积分是文科学的。。）矩阵到底有什么用？重点是 既然R...美本出来说一下，微积分在某种程度上是算通识课的，也就是说大学里任何人都可以上，所以不是特别有针对性，我们学校理工学院是有专门的微积分1微积分2线代多重积分数学分析的，因为我不是理工学院的所以我也不知道具体情况，至少可以确定的是对数学的要求完全是理工级别的而不是单纯为了满足一个模块。至于微积分和数学分析的问题，举一个不是太恰当的例子，微积分相当于学语言中最开始学的字母，只有把字母学会了才能继续下面的学习，所以说微积分差不多算是一个基础，有了这个基础才能学更深一层的东西。数学分析这门课在我们学校数学专业里算是低阶必修课（大一、大二学生需要的课）， 所以说呢，我们也是要学数学分析的，学了数学分析之后，你会发现你的世界（学业方面）被重建了（意思是说，先被摧毁过XD），在这个新的世界里你可以找到更多的方法来了解和扩充你本专业的知识。至于矩阵，因为还没开始学线性回归分析所以我也不知道该说什么╮(╯-╰)╭不过可以肯定的是如果你矩阵线代学的不好的话，线性回归分析会让你很崩溃的，用我同学的一句话就是说，成天跪着上课跪着写作业- -R是很好的统计工具，分析数据很方便，我们学校的统计也是需要C和Java的（必修课），个人推测可能是为以后大规模数据分析做准备的，毕竟从某种程度上说，统计学到高阶差不多都是在写代码orz，目前为止我的统计专业课用R就足够了，C的话可能会有点杀鸡焉用牛刀的感觉吧（当然只是针对本科低阶课）。大数据好像很火的样子，至于为什么，表示不知道╮(╯-╰)╭
引用 的话：美本出来说一下，微积分在某种程度上是算通识课的，也就是说大学里任何人都可以上，所以不是特别有针对性，我们学校理工学院是有专门的微积分1微积分2线代多重积分数学分析的，因为我不是理工学院的所以我也不知道...我很悲催的发现 我们学的是C++
引用 的话：我很悲催的发现 我们学的是C++C++还是很好的，一种高贵冷艳的赶脚- -而且据说到后期不会出现内存什么的问题（我也不懂=。=），但是JAVA据说就很容易出现这样的问题，尤其是统计到后期需要大量数据、数据库的时候，JAVA貌似就有点吃力了。我们学校统计本科是要求学JAVA或者C++其中任意一个，但是我看本校研究生（master of science）是要求C，Fortlan，phython或者其他语言的，让我这种下学期要学JAVA的人情何以堪- -
引用 的话：美本出来说一下，微积分在某种程度上是算通识课的，也就是说大学里任何人都可以上，所以不是特别有针对性，我们学校理工学院是有专门的微积分1微积分2线代多重积分数学分析的，因为我不是理工学院的所以我也不知道...我学了一年的数学分析
完全不觉得被重建的节奏。。。难道被应试教育毒害久了。。
引用 的话：C++还是很好的，一种高贵冷艳的赶脚- -而且据说到后期不会出现内存什么的问题（我也不懂=。=），但是JAVA据说就很容易出现这样的问题，尤其是统计到后期需要大量数据、数据库的时候，JAVA貌似就有点...一个学期能学到什么程度。。
引用 的话：一个学期能学到什么程度。。因为课程名就是introduction to JAVA， 很多更高级的东西要到CS的其他专业课里学吧，可能学这些语言只是为了抓取数据etc？因为不了解情况我就不瞎说了……
引用 的话：我学了一年的数学分析 完全不觉得被重建的节奏。。。难道被应试教育毒害久了。。要么你是学霸级别的要么你就是还没被打击到咯XDD
引用 的话：要么你是学霸级别的要么你就是还没被打击到咯XDD目测听得不太懂
只觉得极限很神奇
The R Book 是本好书啊。我已经霸占续借了很多次了，打算一直霸占下去。嘻嘻。楼主说的很实用。我手头有好多统计的英文书，有需要可以寄给大家（但是不知道邮费有多贵，估计挺贵的）。
其实我只是一个对统计感兴趣想学来看看的其他专业的学姐o(╯□╰)o看了这么详细的介绍……突然觉得前路艰险
现在在美国马上要申请大学了也想学统计 但是好多学校都没有这个专业 一般有商学院的才有TAT
而且也找不到本科的统计学院校排名 全部是研究生的 怎么可以这样TAT LZ上的什么学校啊 如果有排名的话能不能给我一份～还有如果学校没有统计学专业是应该学数学或者应用数学吗 还是计算机对申请统计学硕士比较好？ 谢谢楼楼的文章 写的太好啦啦^_^来自
引用 的话：高考被调到应用统计这个专业- -应该算是统计的一个分支吧！至今没有发现统计的魅力。。我理解不了。。你们国外学的是微积分，为毛我们学的是数学分析？（微积分是文科学的。。）矩阵到底有什么用？重点是 既然R...不好意思，由于过去几个月时间太忙了，没有上果壳，现在才看到这些评论。实在抱歉。我们微积分和数学分析都是需要学的。这两门课程应该是所有理工科的基础吧，包括计算机专业。矩阵的用处，学的浅的时候，regression analysis里面求Sxx，Sxy要用。学稍微深点的时候，regularization和neural network都要用。总之，但凡dimension/feature多起来，矩阵是无处不在的。其实即便是一个因变量一个自变量的统计分析，都是在用矩阵知识，只是因为太简单了，没有必要往矩阵上靠。所以线性代数好好学的要。R是非常重要，学统计的一门工具。但是编程本身就是有共性的，C学好了，JAVA自然就会了，JAVA会了，python和R的也是分分钟就能学明白的。我知道现在很多学校都视C为基础语言，有的学校是JAVA，甚至现在有些学校是python。我觉得你可以好好上课学C，课下自己学习R。国内确实有统计师的考试（baidu了下），至于有没有用，我也不清楚。这个你得问相关的从业人员。大数据不等于统计，统计是大数据的子集。做大数据的，硬性要求是统计，数学，编程，machine learning方面的基础扎实，软性要求是分析能力，文字驾驭能力，表达能力，甚至是视觉分析能力。
引用 的话：看到楼主的名字觉得很清新，读了文章和评论发觉楼主是一个非常认真的人，不知道是出于文学背景的气质还是统计专业的严谨，非常喜欢你的文章。 我是学药学的，工作中自学了一些应用统计知识。向你学习。还在继续学习和深造中，谢谢~一起加油！
引用 的话：同学 你好，我去年刚毕业于康奈尔大学的酒店管理学院（本科）。我也是运气好 撞进了这个学校和专业。当时是因为这个是全美第一的专业，然后我的理科在国内只是中上，所以选了酒店。然后我发现我一点都不喜欢酒店投...不晚。但是你如果想申请进非常著名的统计专业，我这里指的是专业排名（），可能你的expectation要放低。我先说为什么现在要放低，然后再说如何不放低。现在申请美国的统计master和PHD还是很多的，竞争非常激烈，或者你也可以用惨烈来形容。申请统计专业的master/PHD主要来源是这么几个：1. 本科学习纯数学或者应用数学的；2. 本科学习统计的；3. 本科学习计算机的；4. 本科学生物，化学，或者其他理工科类的；5. 经济学和心理学；6. 其他专业的。申请里面，最有竞争力的是1和2。原因就可想而知了。源于目前统计和计算机的结合，3的竞争优势也逐渐体现。但是一般来讲，第三类人会继续学习CS，因为学CS的会统计的人在做计算机领域的研究方面很牛的，而且很有前途。所以学CS转统计的人不多。第4和5类人的竞争力会很低，因为现在来自于1-3类人太多了（美国本科的中国人和国内的学生），但是第4类和第5类比最后的第6类人的优势在于，他们还是学了点基础课程的，比如数学实分析和微积分。第四类会进行些数据分析方面的操作，第五类还会学统计心理学和计量经济学这种大量类似于应用统计的知识。最后一类，就是其他专业的，可能涉及统计中最多的问题就是算平均数了。我觉得，你应该是属于最后一类的，就是所谓的专业不对口。所以从你目前的竞争力来看，和国内外广大出身于第一类和第二类，以及比第一和第二类还多的第四类人相比，你如果现在就申请的话，可能的情况：你根本不符合大部分统计专业的申请要求，因为他们要求的各种课程你都没有学过；申请到一些学校，但是要提前入学，补相关的知识，我印象里，Cornell的MPS和UIUC的统计就是这样；只能申请到一些专排比较靠后，或者是名字很好，但是录取人数非常多的学校（比如Columbia，我并不是讲哥大不好，只不过说了他们统计专业每年录取人数过多的事实）；申请到一些根本没名气的统计专业，综排专排都一般的学校。但是这只是你现在申请面临的问题。你还可以做一些准备工作，提高自己的竞争力：大学毕业工作期间多接触analysis方面的东西；上MOOC补统计专业申请的要求；和Cornell的MPS network，毕竟是自己的学校，可以作为保底；自学相关的知识提高竞争力。如果你能做到上述的，我觉得申请好的统计项目还是非常有戏的。
引用 的话：其实我只是一个对统计感兴趣想学来看看的其他专业的学姐o(╯□╰)o 看了这么详细的介绍……突然觉得前路艰险道路的艰险与否，看你是0°平视，90°俯视，还是180°回视~
引用 的话：现在在美国马上要申请大学了也想学统计 但是好多学校都没有这个专业 一般有商学院的才有TAT 而且也找不到本科的统计学院校排名 全部是研究生的 怎么可以这样TAT LZ上的什么学校啊 如果有排名的话能...现在在美国马上要申请大学了也想学统计 但是好多学校都没有这个专业 一般有商学院的才有TAT美国的统计专业一般都是单独设立的。我知道的唯一在商学院里的统计系，应该就是U Penn的统计专业是下设在沃顿商学院的。而且也找不到本科的统计学院校排名 全部是研究生的 怎么可以这样TAT这个是统计专业排名 确实统计本科没有排名，但是一般来说，研究生或者博士生好的统计专业，本科也不会差，毕竟资源共享的；LZ上的什么学校啊本科是U of Washington-Seattle的，研究生是Duke U的，都是学统计的。如果有排名的话能不能给我一份～见上面链接。还有如果学校没有统计学专业是应该学数学或者应用数学吗我觉得你想说的是“纯数学或者应用数学”。应该都可以。统计不是数学的分支，是单独的一门学科。如果说统计应该更像哪个，我觉得更像是应用数学（只能用“像”）。还是计算机对申请统计学硕士比较好？ 谢谢楼楼的文章 写的太好啦啦^_^这个实在没有办法回答。计算机和统计是两个不同的学科，不能说是为了什么而学什么（同样可以解释上面那个学应数还是纯数的问题），而且关键是感觉你还没有了解统计，计算机，应数，纯数这四个学科。我觉得你应该多了解下。至于我周围的，大多数都是学计算机的选修统计，因为计算机中的统计应用还是不少的。
想问问LaTex学习，那本书有600多页，全部看完很耗时间在U Washington是如何教LaTex的？
引用 的话：想问问LaTex学习，那本书有600多页，全部看完很耗时间在U Washington是如何教LaTex的？引用 的话：道路的艰险与否，看你是0°平视，90°俯视，还是180°回视~楼主的帖子，如同黑暗道路上的一盏灯，照亮我前进的道路，努力加油！
你好 我是一名加拿大的11年纪学生 即将面临选专业的问题 有很多人都为我推荐统计学 可是我依然对这门学科一点概念都没有 我在国内读完高二出来的 在国内是文科生 到这边也没有选择物理化学生物上 因为数学是必修 而且我在国内对数学还挺感兴趣的 所以数学学得还可以 但您也知道加拿大的数学不算太难 我想了解统计学是不是偏向理科的专业 因为我真的不喜欢理科 也一直没学过 如果我选择统计学是不是一定要提前学习物理 未来的专业学习是不是会很广泛的涉及理科知识
(C)2017果壳网&&&&京ICP证100430号&&&&京网文[-239号&&&&新出发京零字东150005号&&&&
违法和不良信息举报邮箱：&&&&举报电话：