1.參考書籍（看過的和即將要看的，總計17本）
這里回顧一些我從2016年認識到環境統計學在環境科學中的重要性后，著手學習程序中所用到的書，
按照時間順序依次為：
- 2016年04月：《因子分析：統計方法與應用問題》——【因為沒有任何基礎，當時看完一腦子漿糊】
- 2016年12月：《統計學》（人大版）——【這本書因為著重點在社科，我讀完識訓僅限于明白一些基礎概念，至于怎么樣應用于環境科學，讓我陷入迷茫】
- 2016年12月：《多元統計分析》——【同樣因為基礎全無，上來就看多元統計分析，完全就是讀天書，痛苦例外】
- 2018年11月：《統計探源：統計概念和方法的歷史》——【這本書當初買過來是想解決自己基礎弱的癥結，當時因為急于應用，完全無法心思靜下心來好好地閱讀，不過，現在倒是成了我日常消遣的讀物，很有意思，讀故事書一樣】
- 2018年11月：《女士品茶：統計學如何變革了科學和生活》——【這本書完全是名字吸引了我，當時買過來權當為自己學習統計學打氣，不過當時也是急于應用，由于沒從里面看到自己想要的，就束之高閣，反而是現在當成日常消遣讀起來，識訓頗多】
- 2020年4月：《Python統計分析》——【這本書一是我初窺統計應用的書，二是我Python入門的書，因為看到應用的希望之光，從這本開始我下決心系統性學習Python，企圖從編程這個切入點，把統計學應用到我的研究之中】
- 2020年6月：《環境資料分析》——【淚目！！！莊老師的這本書很直接，照著書上的案例操作，直接應用，簡直就是我的救星，我每天早上6點鐘起床，臉都不洗牙也不刷，直到學滿2個小時，才結束，三個月的時間，我自己不知道看了多少遍，書都翻爛了，這本書直接搭建了我的環境統計學的學習框架，彌補基礎認知】
- 2021年5月：《環境與生態統計：R語言的應用》——【這本書進一步深華了我對環境統計學的科學認知，進一步彌補我對環境統計學的科學認識的不足，同時也是我學習Python的一個動力——把里面的實體在Python下實作】
- 2021年5月：《環境統計學與Matlab應用》——【這本書算是科學系統地給我搭建了環境統計學的知識框架，現在正在進行第二輪的學習】
- 2021年12月：《基于Matlab的地理資料分析》——【這本書還沒看完，與《環境統計學與Matlab應用》進行配套學習，進一步深入學習回歸分析、因子分析、小波分析等知識】
- 2022年1月：《統計學圖鑒》——【這本書我權當漫畫書看了，講的全是統計學基本概念，我個人非常喜歡，從入手到現在基本是隨身帶著，時刻用于基礎知識的補充——基礎弱恐懼癥】
- 2022年1月：《統計學：從資料到結論》——【吳老師的這本書，給我的觸動，與莊老師那本一樣，現在我每天起床第一件事就是看這本，】
- 2022年1月：《Python:資料科學的手段》——【吳老師的第二本書，還沒開始全面看，初步看了框架，真不賴，用于彌補我看《Python統計分析》的遺憾】
- 2022年2月1日（你沒看錯，大年初一下的單）：《實驗設計》——【買這本書的原因是基于《環境統計學與Matlab應用》框架里面的“環境問題的解決程序與范式”，彌補我在實驗設計這一環節的不足】
- 2022年2月1日：《非引數統計》——【買這本書的原因是基于非引數檢驗應用的頻率大問題，進一步深入學習】
- 2022年2月2日：寫這篇文章的程序，順手買了吳喜之老師的兩本書：
《統計學：從概念到資料分析》——【這本書用于二次梳理我的知識框架】
《非引數統計》——【這本書是計劃與王星老師那本對比著看的】
2.給后來者的學習順序建議：
從我個人曲折的學習經歷，回過頭來看，分三個梯度：
第一梯度
建議閱讀：《統計學：從概念到資料分析》、《統計學：從資料到結論》、《統計學圖鑒》
第二梯度
建議閱讀：《環境資料分析》、《環境統計學與Matlab應用》、《環境與生態統計：R語言的應用》
第三梯度
建議閱讀：《實驗設計》、《非引數統計》（吳喜之）
- 從系統學習環境統計學的目的出發—— 學習的核心，應該放在第一梯度和第二梯度；
- 從快速應用的目的出發——第一梯度看《統計學：從資料到結論》、第二梯度看《環境資料分析》；
- 從直接應用的目的出發——直接看《環境資料分析》，對著里面的例子，直接操作，然后上手你的資料，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423317.html
標籤：AI