很好的入门书

本身工作涉及到数据分析相关的内容
最大感觉就是分析问题，通过数据 解决问题的思想 和 统计学的理论知识联系在了一起。这个正是自己欠缺的。
第一.分解数据
（数据是如何收集（数据不仅仅是数字 ，还包括其他信息）
  确定问题 -分解问题-评估分析（自己介入，心智模型）-给出结论
 随时会有新的数据来到
第二.最优化
理论的最优化（问题？）
模型不是完美的，是最有用的。根据实际情况给理论模型加上约束条件
第三.数据图形化
比较 ，数据，变量
第四.假设检验
1.假设各种预期情况
2.列出证据
3.联系情况和证据
4.证伪法
5.诊断性的证据
6.证明预期情况强弱
第五 贝叶斯统计
p(ab)=p(a)*p(b/a)=p(b)*p(a/b)
p(b/a)=p(b)*p(a/b)/p(a)
p(a)=p(a全）=p(a（b1+b2.。。bi))=p(ab1)+p(ab2)...p(abi)
1.根据已知的情况，和普遍的规律 推到未知的概率
随时加入新情况
1.已经发生的情况
2.普遍的规律
3.新的条件出现了
4.预测