深入浅出统计学的读后感10篇《深入浅出统计学》是一本由DawnGriffith著作，电子工业出版社出版的平装图书，本书定价：89.00元，页数：677，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《深入浅出统计学》读后感(一)：通俗易懂，适合非统计学人士优点：（1）此书比较通俗易懂，适合非专业人士的统计学入门；（2）书中的很多案例和习题比较好，能从简单的角度阐述复杂的概率统计的理论知识；（3）本书比较内容相对连贯，读下去一气呵成缺点：（1）有少许印刷错误《深入浅出统计学》读后感(二)：期望，均值，方差～好吧我撕开了读的吞不太认同这种毁书的阅读方式，可这个厚度真不合适地铁，撕开后还是很有成果的，新问题是如何装订回去？正题：均值是发生了的期望的话，方差计算的一致性就可以解释了，现在再开始几何分布的期望速算方式就好理解点儿了，这次是要feel几何分布的方式不是推理《深入浅出统计学》读后感(三)：苏格拉底助产术之统计入门这是一本非常适合入门的统计书：1.内容轻重得当，可高效窥见统计学全貌：可视化；度量集中与分散（均值、距、差）；概率计算、描述（四类分布）与预测（期望、方差）；用样本（抽取样本）预估总体（抽样分布、点估计量、置信区间）、以及进行假设检验（拒绝域）；多变量之间的独立性（某分布）、相关性、线性回归、非线性回归。
2.叙事方式采用苏格拉底助产术，引导读者思考得出结论，学习效果好。
TW，headfirt系列的叙事风格非常值得学习，尤其在这轮内容消费的浪潮下。
《深入浅出统计学》读后感(四)：有趣且清晰的入门书目本科时上过统计和测量的课，还有p，tata这些课程，考研时专业课里也有教育统计，但我觉得到看这本书之前都没有学明白统计的一些基本概念。
之前的学习方式都是从干巴巴的概念入手，加以枯燥的题目训练，本科的时候不知道学这些有什么用，后来也是想起来头就痛。
这本书非常适合像我这样文科背景数学小白的学生来作为入门的自学教材，相见恨晚啊。
书看起来很厚，专心读的话很快就可以读完。
我重点看的是后半部分，跟国内的统计教材一个很大的不同是排版比较愉快友好，虽然人像的插图有点突兀＝＝另外很重要是基本都是以情景例子引入，然后提问，这才符合人类的学习规律好嘛，要是大学老师也这样教我早该学会了啊＝＝然后还会有问题的系统的思路和解法，最后还会有小结。
不过觉得还是自备笔记本边看边总结好。
不足的地方觉得主要是内容还是比较浅的，不过对于基础又重要的概念理解和入门应当是足够了的。
要去继续发现好教材啦～《深入浅出统计学》读后感(五)：深入浅出统计学《深入浅出统计学》具有深入浅出系列的一贯特色，提供最符合直觉的理解方式，让统计理论的学习既有趣又自然。
从应对考试到解决实际问题，无论你是学生还是数据分析师，都能从中受益。
本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP考试范围。
本书运用充满互动性的真实世界情节，教给你有关这门学科的所有基础，为这个枯燥的领域带来鲜活的乐趣，不仅让你充分掌握统计学的要义，更会告诉你如何将统计理论应用到日常生活中。
《深入浅出统计学》读后感(六)：非常适合入门前面有一位豆友说这本书非常不适合入门，从我个人感觉，还是一本比较漂亮的入门书。
在数据分析那本书的书评里面，我提到两点，一个是简单易懂，一个是系统全面。
至少第一点是比较符合的，第二点也差强人意吧。
这本书的前半部分,一直到第7章吧，对于学过概率的人来说，基本上意义不大。
不过对于一些概念，有了重新和深入的理解，比如均值和平均数的差异，贝叶斯方法用条件概率树来解释确实一目了然，容易理解。
真正收获比较大的是第二部分，虽然里面提到的各种分布：几何、二项、泊松、正态，以及抽样统计、置信区间，假设检验等各个概念前几天看别的统计学书的时候也看过，也大概知道怎么算(虽然基本都用SPSS算的)，但是个人通过这本书里面的动动脑、动动笔里面的内容一路根着做下来，对于统计这个事情本身有一个比较全面系统的理解。
书的主要内容，目录体现得很明显了。
我个人理解的统计这个事情主要有以下几点：1我们对于世界和事物是难以看到本质的。
(透过现象看到本质只是一种美好的愿望)2在信息无法全面掌握的情况下，我们可以根据获得的部分数据来猜测事情背后的原因。
3一般来说，对于大量的总体数据，可能遵守二项、泊松、正态等分布，在遵守这些分布的情况下，我们可以计算一些概率或者事情的可能。
4那么对于猜测的规律是不是靠谱，或者我们作出的结论是否可行，可以采用假设检验来一定程度上进行检验。
5除了单变量的以外，我们还可以关注多个数据间的关系(线性回归)。
6非线性关系以及更多(附录)。
这本书最不如深入浅出数据分析的地方在于，那本书把故事写了悬疑故事，这本书把故事讲成了数字游戏。
没有剧烈的剧情冲突，没有一波三折的故事情节，用什么来吸引观众呢？(好像这里不是讨论写小说:)《深入浅出统计学》读后感(七)：钱，我来啦！这老话说的好啊，“女怕嫁错郎，男怕入错行”。
还有“一如侯门深似海，从此君王不早朝”。
说的是什么意思呢？就是说，现在流的汗，都是当初做决定时脑子里进的水。
因此，在我们做决定的时候，千万别喝水。
以上纯属瞎扯下面说些正经的。
但是，我需要从零开始。
因为所有的这一切都是以统计学为基础的，而我那点点可怜的统计学知识早就还给了大学老师了。
而本书，《深入浅出统计学》，给了我从零开始的可能性。
当我拿到这本足足有600多页的大部头时，我还是有些担心的。
担心自己没有坚持的毅力。
因为先前就有过一次败在一部名叫《数据挖掘导论》的大部头面前。
不过幸运的是，本书不是一本读起来很艰涩的书。
它起步低，我想有初中的数据知识就可以开始了；趣味足，将要讲的知识恰当地放入一些简单实际的实例中；展开缓，让你在进取的过程中并不会意识到台阶的存在；条理强，在讲述的过程中逻辑清晰，目标明确；手段多，怪招用尽就是想让你记住一些基本的概念和公式；有成就，你总是能基于刚刚学到的东西马上解决掉一个之前不久提出的问题；编排好，全书在用一种循环滚动的方式将问题与知识交叉提出展现，就像用松子和坚果来引诱读者继续下去。
所以，这是我最开心的一次学习经历。
尽管如此，我还是用了四五个月的时间才认真读完……感觉离金山好远啊。
认真研究你会发现，这本书涵盖了数据挖掘的一些领域，比如描述、预测。
这很重要，因为在大多数情况下，数据分析工作是以描述开始，预测结尾的。
而统计学可以应用的领域甚至比计算机还要高。
因此，即时我们不需要考虑将工作投入到这个方向，我们也会在当前所处的工作生活环境中，因为知道那么一点点统计学知识而显得聪明那么一点点。
我想说的是，统计学是一门实用的学科，值得任何人去学习。
在此强烈推荐，从本书开始。
《深入浅出统计学》读后感(八)：深入浅出统计学-书评前言道德经云：”道生一，一生二，二生三，三生万物“。
学习知识亦是如此，一个概念衍生出两个概念，两个概念演化出更小的子概念，接着衍生出整个知识体系。
笔者结合自己对统计学和概率论知识的理解写了这篇文章，有以下几个目标目标一：构建出可以让人理解的知识架构，让读者对这个知识体系一览无余目标二：尽l量阐述每个知识在数据分析工作中的使用场景及边界条件目标三：为读者搭建从“理论”到“实践"的桥梁注意：本文不涉及对概念及方法公式的推导，读者有兴趣可以自行查阅《概率与统计》概述你的“对象”是谁？此对象非彼“对象”，我们学习“概率和统计学”目的在于应用到对于“对象”的研究中，笔者将我们要研究的“对象”按照维度分为了两大类。
一维：就是当前摆在我们面前的“一组”，“一批”，哪怕是“一坨”数据。
这里我们会用到统计学的知识去研究这类对象。
二维：就是研究某个“事件”，笔者认为事件是依托于“时间轴”存在的，过去是否发生，现在是可能会出现几种情况，每种情况未来发生的可能性有多大？这类问题是属于概率论的范畴。
因此，我们在做数据分析的研究前，先弄清我们研究的对象属于哪类范畴，然后在按着这个分支检索自己该用到的知识或方法来解决问题。
分析就像在给“爱人”画肖像从外观的角度描述一个姑娘，一般是面容怎么样？身段怎么样？两个维度去描述。
就像画一幅肖像画，我们的研究“对象”在描述性分析中也是通过两个维度去来描述即，“集中趋势---代表值”，“分散和程度”。
看到这几个概念是不是就很熟悉了？笔者认为一个描述性的分析就是从这两个维度来说清楚你要研究的对象是什么样子？至于从哪些特征开始说呢？就是常用的概念“均值”，“方差”之类的。
下面我们进入正题，笔者将详细阐述整个知识架构。
----------------------------------------------------------------------------------------------------------------------------第一部分：对“数据”的描述性分析数据分析中最常规的情况，比如你手上有一组，一批或者一坨数据，数据分析的过程就是通过“描述”从这些数据中获取的信息，通常可以从两个维度去描述：一、集中趋势量度---为这批数据找到它们的“代表”均值（μ）公式：均值的局限性均值是最常用的平均数之一，但是它的局限性在于“若用均值描述的数据中存在异常值的情况，会产生偏差”；例如下面一组数据就不太适合用均值来代表这5个人的年龄均值是：31.2岁很显然，在这组数据中，大部分人的年龄是10几岁的青少年，但是E的年龄是100岁为异常值，用均值来描述他们的年龄是31.2岁，很显然用均值作为描述这组数据是不合适的，那么我们该如何准确的表征这组数据呢中位数中位数，又称中点数，中值。
是按顺序排列的一组数据中居于中间位置的数。
中位数的局限回到上一个例子，若用中位数来表征这组数据的平均年龄，就变得更加合理，中位数15。
那么我们在看一下下面一组数据，中位数的表现又如何？中位数：45这组数据的中位数为：45，但是中位数45并不能代表这组数据。
因为这组数据分为两批，两批的差异很大。
那么如何处理这类数据呢？接下来介绍第三位平均数。
众数众数是样本观测值在频数分布表中频数最多的那一组的组中值。
平均数可以表征一批数据的典型值，但是仅凭平均数还不能给我们提供足够的信息，平均数无法表征一组数据的分散程度。
二、分散性与变异性的量度（全距，迷你距，四分位数，标准差，标准分）全距=ma某-min全距也叫“极差”极差。
它是一组数据中最大值与最小值之差。
可以用于度量数据的分散程度。
全距的局限性全距虽然求解方便快捷，但是它的局限性在于“若数据中存在异常值的情况，会产生偏差。
为了摆脱异常值带来的干扰，比如我们看一下下面的两组数据。
