千币悬赏庆祝首个世界统计日

也来那点钱，不过不是这个专业说的不好。
统计学的出现更新了人们发现科学规律的方法，可以从现有的数据中推断背后的联系，并也为验证现有的发现提供了方法。尤其对于社会科学这种不可实验的科学，统计学提供了利用现有数据推断未来的方法。

凑个热闹~不过不知中国的统计局所用的都是什么数据~

支持楼主，把帖顶上去

看起来很诱惑呵呵

有时候觉得，作为一个学者出生在中国是挺悲哀的事情，因为即使统计质量令人生疑的统计数据也存在垄断。同美国各种各样可以免费下载的海量统计数据相比，不得不惊叹为什么美国能出那么多经济学家，数据的自由流动可能是原因之一。而我们的国家统计局花着纳税人的钱进行调查，结果很多微观数据还要纳税人花钱买。真是岂有此理！
中国的经济学要想获得更快的发展，我认为首先要做的是数据免费公开，不能让做学问也成为少数人的专利。

I'm working a little bit in statistical learning theory. From that perspective, some fundamental work still needs to be done because most current methods are still limited. In order to make great progress, we need some progress in theoretical statistics. Also, statistics is very important for many other areas, such as computer science and most social science.

留个言，碰运气

这个留言应该尾数为0

我就是学统计学的，不过学下来，觉得真正实用和能在生活中应用的太少了。但我还是看好这门学科

统计学与Data Mining的发展趋势

20世纪60年代：稳健统计盛行时代

　　　　　　开创性地解决了理论分布假定有偏差的资料分析问题
　　　　　　主要成果：
　　　　　　◇异常值诊断
　　　　　　◇高杠杆点诊断
　　　　　　◇对少量污染异常敏感的回归诊断
　　　　　　◇M-estimator等稳健估计量
　　　　　　意义----基于正态假定的理论框架正被打破
　　　　　　失误：在寻找稳健估计量上花费了太多时间

70年代早期：提出探索性资料分析

　　　　　　John Tukey:统计建模应结合资料的真实分布情况
　　　　　　主要观点：
　　　　　　◇数据分析应从数据特征出发研究发现有用信息，而非从理论分布假定出发建构模型
　　　　　　◇重新提出描述统计在资料分析中的重要性
　　　　　　意义：为统计学指明了与资料相结合的发展方向
　　　　　　失误：注重完善理论，未关注信息领域对数据分析工具的需求
　　　　　　EDA的思想与资料挖掘的思想极为相似

70年代后期：两个主要成就

　　　　　　广义线性模型：
　　　　　　◇将看似零碎的统计研究多方面的贡献统一起来
　　　　　　◇概括了基于正态理论以外的线性模型研究
　　　　　　◇主要思想：
　　　　　　EM算法：
　　　　　　◇解决不完整数据估计问题的数值方法
　　　　　　◇即使数据完整，缺失值在最优估计的计算中也有用

80年代及以后：
资料模拟及非参统计的发展

　　　　　　推动因素：计算能力的发展
　　　　　　部分成就：
　　　　　　◇50年代产生的大折刀法的应用
　　　　　　◇有放回Resampling方法即Bootstrap法的提出
　　　　　　◇处理变量非线性关系的核光滑(Kernel Smoothing)法
　　　　　　◇MCMC法
　　　　　　增强了数据挖掘的模式识别能力