An Introduction to Statistical Learning provides an accessible overview of the field of statistical learning, an essential toolset for making sense of the vast and complex data sets that have emerged in fields ranging from biology to finance to marketing to astrophysics in the past twenty years. This book presents some of the most important modeling and prediction techniques, along with relevant applications. Topics include linear regression, classification, resampling methods, shrinkage approaches, tree-based methods, support vector machines, clustering, and more. Color graphics and real-world examples are used to illustrate the methods presented. Since the goal of this textbook is to facilitate the use of these statistical learning techniques by practitioners in science, industry, and other fields, each chapter contains a tutorial on implementing the analyses and methods presented in R, an extremely popular open source statistical software platform. Two of the authors co-wrote The Elements of Statistical Learning (Hastie, Tibshirani and Friedman, 2nd edition 2009), a popular reference book for statistics and machine learning researchers. An Introduction to Statistical Learning covers many of the same topics, but at a level accessible to a much broader audience. This book is targeted at statisticians and non-statisticians alike who wish to use cutting-edge statistical learning techniques to analyze their data. The text assumes only a previous course in linear regression and no knowledge of matrix algebra.

在经过不断地摸索以及少量成功大量失败的尝试之后，我已经学会了以某种方式教授统计学，我和我的许多学生认为这种方式不会让人感到害怕，同时能够传递大量的信息。
通过这本书可以了解基础统计学的范围并学习所有应该掌握的信息，也可以了解整理和分析数据的基本思路和最常用的技术。本书理论部分有一些，但是很少，数学证明或特定数学程式的合理性讨论也很少。
为什么《爱上统计学》这本书不增加更多理论内容?很简单，初学者不需要。这并不是我认为理论不重要，而是在学习的这个阶段，我想提供的是我认为通过一定程度的努力可以理解和掌握的资料，同时又不会让你感到害怕而放弃将来选修更多的课程。我和其他老师都希望你能成功。
因此，如果你想详细了解方差分析中F值的含义，可以从Sage出版社查找其他的好书(我愿意向你推荐书目)。但是如果你想了解统计学为什么以及如何为你所用，这本书很合适。这本书能帮助你理解在专业文章中看到的资料，解释许多统计分析结果的意义，并且能教你运用基本的统计过程。
---
第I部分　耶!我喜欢统计学
1　统计学还是虐待学?由你决定
为什么学习统计学
统计学简史
统计学：是什么(或不是什么)
我在统计学课堂上做什么
使用这本书的十种方式(同时也在学统计学!)
关于那些符号
难度指数
第Ⅱ部分　西格玛·弗洛伊德和描述统计
2　必须完成的功课——计算和理解平均数
计算均值
需要记忆的内容
计算中位数
需要记忆的内容
计算众数
何时用什么
应用计算机并计算描述统计值
3　性别差异——理解变异性
为什么理解变异性很重要
计算极差
计算标准差
需要记忆的内容
计算方差
使用计算机计算变异性量数
4　一幅图真的相当于千言万语
为什么要用图表说明数据
好图表的十个方面(少贪新，多练习)
首先是建立频数分布
图形密度：建立直方图
扁平和细长的频数分布
其他的图表数据的绝妙方法
使用计算机图示数据
5　冰淇淋和犯罪——计算相关系数
相关系数到底是什么
需要记忆的内容
计算简单相关系数
理解相关系数的含义
决定性的努力：相关系数平方
其他重要的相关
使用计算机计算相关系数
第Ⅲ部分　抓住那些有趣又有利的机会
6　你和假设：检验你的问题
也许你想成为一个科学家
零假设
研究假设
好假设的标准是什么
7　你的曲线是正态的吗——概率和概率的重要性
为什么学习概率
正态曲线(或钟型曲线)
我们最中意的标准值：z值
使用计算机计算z值
第Ⅳ部分　显著性差异——使用推论统计
8　显著性的显著——对你我来说意味着什么
显著性的概念
显著性与意义
推论统计介绍
显著性检验介绍
9　两个群体的t检验——不同群体的均值检验
独立样本t检验介绍
计算检验统计量
特殊效果：差异是真实的吗
使用计算机进行t检验
10　两个群体的t检验——两个相关群体的均值检验
……
第V部分　你得了解和记忆的内容
附录A　30分钟SPSS教学
附录B　数据表
附录C　数据集

劳伦斯·汉米尔顿编著的《应用STATA做统计分析(更新至STATA10.0版)》从STATA软件与STATA的资源，数据管理，制图，概要统计及交互表，方差分析和其他比较方法，线性回归分析，回归诊断，拟合曲线，稳健回归，LOGISTlC回归，生存模型与事件计数模型，主成分、因子和聚类分析，时间序列分析，编程入门，等等，完整而精练地介绍了STATA软件或软件包的各项基本功能和在统计分析中的应用。《应用STATA做统计分析》以列举实例的方式编写，并穿插了上百幅图片，广泛引证各种相关资料中的数据，简明地介绍了常用的各种命令的分析运行情况，便于学习掌握。此外，在最后一章拓展性地介绍了常用的编程知识和技能，以便于能更加灵活地运用STATA软件做更多的统计分析。
《应用STATA做统计分析(更新至STATA10.0版)》突出了程序性、实用性、完整性，本书兼具教材和使用手册的特点，适宜作为致力于统计学研究和数据分析应用的专家和学者自学参考。