统计学中的因果推断
Causal Inference in Statistics
Judea Pearl, Nicholas P. Jewell · 初版 2016 年
- 9次提及
- 5人推荐
- 7位 HN 评论者
简介
因果关系是理解与应用数据的核心。如果不理解因果关系，我们就无法利用数据回答像“这种疗法对患者是有害还是有益？”这样基础的问题。然而，尽管关于数据分析统计方法的入门教材已有成百上千本，但迄今为止，还没有一本书面向初学者系统介绍能够从数据中挖掘因果信息的丰富新方法。Causal Inference in Statistics 填补了这一空白。本书运用简单的实例和通俗的语言，阐述了如何定义因果参数；相关假设
Hacker News 读者推荐
……写于2000年代初，里面满是定理+证明+详细阐述该理论所有主要成果的论述。如果你学过数学，它不算特别难，但它确确实实就是数学书。《统计中的因果推断》是一本2017年的书，它以一种平易近人的方式涵盖了上一本书中真正重要的成果，并侧重于将这些成果应用于实际问题。有些定理给出了形式化的陈述，……
ced 在 HN 的推荐
读读 Pearl/Glymour/Jewell 写的《统计中的因果推断：初阶教程》，你会受益匪浅（跟 Imbens 和 Rubin 的对比简直强烈得不可思议）
shurtler 在 HN 的推荐
你可能会喜欢我的因果推断系列博客，里面我用 Python 梳理了 Pearl 的《统计中的因果推断：初阶教程》：https://github.com/DataForScience/Causality </厚颜无耻自我推销>
Anon84 在 HN 的推荐
找书
豆瓣 微信读书 京东 Open Library ISBN 1119186846
数据整理自 Hacker News 公开评论，数据来源 hackerbooks.org 与 Open Library。