原文：
www.kdnuggets.com/5-free-books-to-master-statistics-for-data-science
编辑图片
要学习数据科学，你还需要扎实的数学基础。统计学是数据科学中必不可少的数学技能之一。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你组织中的 IT
然而，学习统计学可能会让人感到畏惧，尤其是如果你来自非数学或计算机科学领域。为了帮助你入门，我们整理了一份免费书籍清单，使数据科学中的统计学变得易于获取。
大多数这些书籍采用了实践导向的方法来讲解统计学概念，这是作为数据科学家有效使用统计学所需的。让我们来详细了解这些统计书籍。
入门统计学 这本书是一本易于理解的统计学入门书，涵盖了大学里通常教授的一个学期的入门统计学课程内容。
本书在 OpenStax 上可免费访问，由一组贡献专家作者撰写，采用了应用优先的统计学方法，而非理论优先，并且在每个主题的练习中包含了例子。
这本书将帮助你学习以下内容：
-
采样与数据
-
描述性统计
-
概率和随机变量主题
-
正态分布
-
中央极限定理
-
置信区间
-
假设检验
-
卡方分布
-
线性回归和相关性
-
F 分布和单因素方差分析
链接: 入门统计学 2e
现代统计学导论 是 OpenIntro 项目的免费在线教科书，由 Mine Çetinkaya-Rundel 和 Johanna Hardin 撰写。
如果你想学习有效数据分析的统计学基础，那么这本书适合你。此书的内容如下：
-
数据介绍
-
探索性数据分析
-
回归建模
-
推断基础
-
统计推断
-
推断建模
链接: 现代统计学导论
思考统计学 作者 Allen B. Downey 将帮助你使用 Python 学习和实践统计学概念。
这样你可以运用你的 Python 技能学习统计学和概率概念，以有效处理数据。通过阅读这本书，你将编写简短的 Python 程序并使用真实数据集来加深对统计学概念的理解。
涵盖的主题如下：
-
探索性数据分析
-
分布
-
概率质量函数
-
累积分布函数
-
建模分布
-
概率密度函数
-
变量之间的关系
-
估计
-
假设检验
-
线性最小二乘法
-
回归
-
生存分析
-
分析方法
链接: 思考统计学 2e
计算与推断思维：数据科学基础 由 Ani Adhikari、John DeNero 和 David Wagner 合著，将帮助你学习数据科学的统计学基础。
本书作为 UC Berkeley 提供的 Data 8: 数据科学基础 课程的配套书籍开发。书中涵盖的主题包括：
-
数据科学导论
-
Python 编程
-
数据类型、序列和表格
-
可视化
-
函数和表格
-
随机性
-
抽样和经验分布
-
假设检验
-
估计
-
回归
-
分类
链接: 计算与推断思维：数据科学基础
概率编程与黑客的贝叶斯方法 或《黑客的贝叶斯方法》是一本关于贝叶斯统计方法的热门书籍。
“黑客的贝叶斯方法”：介绍贝叶斯方法 + 概率编程，以计算/理解优先、数学次之的视角。全用纯 Python ;) - 来源
你将熟悉概率理论和贝叶斯推断，同时使用 PyMC 包。这本书的内容如下：
-
贝叶斯方法导论
-
PyMC 库
-
马尔可夫链蒙特卡洛
-
大数法则
-
损失函数
-
先验
链接: 概率编程与黑客的贝叶斯方法
希望你觉得这些免费统计学书籍的汇总对你有帮助。理论和实践的结合应该能帮助你提升数据科学技能，并在处理大型真实数据集时做出更明智的决策。
如果你喜欢通过免费课程学习或希望通过课程来补充阅读，请查看 5 个免费课程掌握数据科学统计学。
Bala Priya C** 是来自印度的开发人员和技术作家。她喜欢在数学、编程、数据科学和内容创作的交汇处工作。她的兴趣和专长领域包括 DevOps、数据科学和自然语言处理。她喜欢阅读、写作、编码和喝咖啡！目前，她正在通过撰写教程、使用指南、观点文章等，学习并与开发者社区分享她的知识。Bala 还创建了引人入胜的资源概述和编码教程。**
