SUMMARY.md

+   [斯坦福 Stats60 21 世纪的统计思维](README.md)
+   [前言](0.md)
    +   [0.1 本书为什么存在？](0.1.md)
    +   [0.2 你不是统计学家-我们为什么要听你的？](0.2.md)
    +   [0.3 为什么是 R？](0.3.md)
    +   [0.4 数据的黄金时代](0.4.md)
    +   [0.5 开源书籍](0.5.md)
    +   [0.6 确认](0.6.md)
+   [1 引言](1.md)
    +   [1.1 什么是统计思维？](1.1.md)
    +   [1.2 统计数据能为我们做什么？](1.2.md)
    +   [1.3 统计学的基本概念](1.3.md)
    +   [1.4 因果关系与统计](1.4.md)
    +   [1.5 阅读建议](1.5.md)
+   [2 处理数据](2.md)
    +   [2.1 什么是数据？](2.1.md)
    +   [2.2 测量尺度](2.2.md)
    +   [2.3 什么是良好的测量？](2.3.md)
    +   [2.4 阅读建议](2.4.md)
+   [3 概率](3.md)
    +   [3.1 什么是概率？](3.1.md)
    +   [3.2 我们如何确定概率？](3.2.md)
    +   [3.3 概率分布](3.3.md)
    +   [3.4 条件概率](3.4.md)
    +   [3.5 根据数据计算条件概率](3.5.md)
    +   [3.6 独立性](3.6.md)
    +   [3.7 逆转条件概率：贝叶斯规则](3.7.md)
    +   [3.8 数据学习](3.8.md)
    +   [3.9 优势比](3.9.md)
    +   [3.10 概率是什么意思？](3.10.md)
    +   [3.11 阅读建议](3.11.md)
+   [4 汇总数据](4.md)
    +   [4.1 为什么要总结数据？](4.1.md)
    +   [4.2 使用表格汇总数据](4.2.md)
    +   [4.3 分布的理想化表示](4.3.md)
    +   [4.4 阅读建议](4.4.md)
+   [5 将模型拟合到数据](5.md)
    +   [5.1 什么是模型？](5.1.md)
    +   [5.2 统计建模：示例](5.2.md)
    +   [5.3 什么使模型“良好”？](5.3.md)
    +   [5.4 模型是否太好？](5.4.md)
    +   [5.5 最简单的模型：平均值](5.5.md)
    +   [5.6 模式](5.6.md)
    +   [5.7 变异性：平均值与数据的拟合程度如何？](5.7.md)
    +   [5.8 使用模拟了解统计数据](5.8.md)
    +   [5.9 Z 分数](5.9.md)
+   [6 数据可视化](6.md)
    +   [6.1 数据可视化如何拯救生命](6.1.md)
    +   [6.2 绘图解剖](6.2.md)
    +   [6.3 使用 ggplot 在 R 中绘制](6.3.md)
    +   [6.4 良好可视化原则](6.4.md)
    +   [6.5 最大化数据/墨水比](6.5.md)
    +   [6.6 避免图表垃圾](6.6.md)
    +   [6.7 避免数据失真](6.7.md)
    +   [6.8 谎言因素](6.8.md)
    +   [6.9 记住人的局限性](6.9.md)
    +   [6.10 其他因素的修正](6.10.md)
    +   [6.11 建议阅读和视频](6.11.md)
+   [7 取样](7.md)
    +   [7.1 我们如何取样？](7.1.md)
    +   [7.2 采样误差](7.2.md)
    +   [7.3 平均值的标准误差](7.3.md)
    +   [7.4 中心极限定理](7.4.md)
    +   [7.5 置信区间](7.5.md)
    +   [7.6 阅读建议](7.6.md)
+   [8 重新采样和模拟](8.md)
    +   [8.1 蒙特卡罗模拟](8.1.md)
    +   [8.2 统计的随机性](8.2.md)
    +   [8.3 生成随机数](8.3.md)
    +   [8.4 使用蒙特卡罗模拟](8.4.md)
    +   [8.5 使用模拟统计：引导程序](8.5.md)
    +   [8.6 阅读建议](8.6.md)
+   [9 假设检验](9.md)
    +   [9.1 无效假设统计检验（NHST）](9.1.md)
    +   [9.2 无效假设统计检验：一个例子](9.2.md)
    +   [9.3 无效假设检验过程](9.3.md)
    +   [9.4 现代环境下的 NHST：多重测试](9.4.md)
    +   [9.5 阅读建议](9.5.md)
+   [10 置信区间、效应大小和统计功率](10.md)
    +   [10.1 置信区间](10.1.md)
    +   [10.2 效果大小](10.2.md)
    +   [10.3 统计能力](10.3.md)
    +   [10.4 阅读建议](10.4.md)
+   [11 贝叶斯统计](11.md)
    +   [11.1 生成模型](11.1.md)
    +   [11.2 贝叶斯定理与逆推理](11.2.md)
    +   [11.3 进行贝叶斯估计](11.3.md)
    +   [11.4 估计后验分布](11.4.md)
    +   [11.5 选择优先权](11.5.md)
    +   [11.6 贝叶斯假设检验](11.6.md)
    +   [11.7 阅读建议](11.7.md)
+   [12 分类关系建模](12.md)
    +   [12.1 示例：糖果颜色](12.1.md)
    +   [12.2 皮尔逊卡方检验](12.2.md)
    +   [12.3 应急表及双向试验](12.3.md)
    +   [12.4 标准化残差](12.4.md)
    +   [12.5 优势比](12.5.md)
    +   [12.6 贝叶斯系数](12.6.md)
    +   [12.7 超出 2 x 2 表的分类分析](12.7.md)
    +   [12.8 注意辛普森悖论](12.8.md)
+   [13 建模持续关系](13.md)
    +   [13.1 一个例子：仇恨犯罪和收入不平等](13.1.md)
    +   [13.2 收入不平等是否与仇恨犯罪有关？](13.2.md)
    +   [13.3 协方差和相关性](13.3.md)
    +   [13.4 相关性和因果关系](13.4.md)
    +   [13.5 阅读建议](13.5.md)
+   [14 一般线性模型](14.md)
    +   [14.1 线性回归](14.1.md)
    +   [14.2 安装更复杂的模型](14.2.md)
    +   [14.3 变量之间的相互作用](14.3.md)
    +   [14.4“预测”的真正含义是什么？](14.4.md)
    +   [14.5 阅读建议](14.5.md)
+   [15 比较方法](15.md)
    +   [15.1 学生 T 考试](15.1.md)
    +   [15.2 t 检验作为线性模型](15.2.md)
    +   [15.3 平均差的贝叶斯因子](15.3.md)
    +   [15.4 配对 t 检验](15.4.md)
    +   [15.5 比较两种以上的方法](15.5.md)
+   [16 统计建模过程：一个实例](16.md)
    +   [16.1 统计建模过程](16.1.md)
+   [17 做重复性研究](17.md)
    +   [17.1 我们认为科学应该如何运作](17.1.md)
    +   [17.2 科学（有时）是如何工作的](17.2.md)
    +   [17.3 科学中的再现性危机](17.3.md)
    +   [17.4 有问题的研究实践](17.4.md)
    +   [17.5 进行重复性研究](17.5.md)
    +   [17.6 进行重复性数据分析](17.6.md)
    +   [17.7 结论：提高科学水平](17.7.md)
    +   [17.8 阅读建议](17.8.md)
+   [参考文献](18.md)