Статистика Фрідмана, Пісані та Первеса походить від популярного та успішного курсу, що викладається в UC Berkeley. Я використовував це як вступний текст статистики для магістрантів, запозичив деякі його ідеї під час викладання курсів випускників та дав багато примірників колегам та клієнтам. Причин його популярності багато:
Його розповідь та проблеми обумовлені реальними прикладами та фактичними даними, які мають очевидну важливість, а не сформульованим закликом, знайденим у багатьох текстах. Це справді цікаві та пам’ятні пам’ятки, включаючи випробування вакциною проти поліомієліту Salk, дебюль опитування «Літературного дайджесту» 1936 р., Позов про дискримінацію студентів «Берклі» (дискримінація Парадокса Сімпсона), критику Фішера щодо результатів гороху Менделя та багато іншого.
Він має великі проблеми на трьох рівнях: наприкінці кожного підрозділу глави (яких налічується сотні), наприкінці кожної глави (понад 30) та в кінці основних груп глав (близько 4, я пам'ятаю) . Ці проблеми потребують мінімальної математики або її відсутність: вони зосереджені на потенційних непорозуміннях, які, за їх великим досвідом, автори виявили серед учнів.
Він зосереджується на статистичних ідеях та міркуваннях, а не на математиці.
Він використовує (майже) жодні математичні формули. Кількісні зв’язки зазвичай виражаються графічно та словами. (Вони настільки чітко передають, що коли я вперше прочитав цю книгу, будучи аспірантом з математики, абсолютно не знаючим статистики, я міг без проблем відтворити всю основну математичну теорію.)
Він охоплює більшість традиційних матеріалів, включаючи розподіли біноміального та нормального, інтервали довіри, z-тести, t-тести, тести чи-квадратів, регресію та мінімальну кількість ймовірностей та комбінаторики, необхідних для їх розуміння.
Деякі потенційні недоліки включали б:
Немає баєсівської статистики. Це зробить цю книгу застарілою протягом десятиліття.
Ніякого лікування ANOVA (студенти психології, можливо, це найбільше не пропустять).
Немає обговорення обчислень.
Я вважаю, що останні два не є критичними: хороший інструктор може легко подати матеріал ANOVA і може навчити стільки чи мало обчислень, скільки б вони хотіли. Наскільки важливим буде пропущення байєсівської статистики, залежатиме від смаків та цілей інструктора.
Нарешті, я зазначу, що хоча математичні вимоги такі маленькі, як можна було б собі уявити, мої до і після тестування студентів вказують на те, що люди, які приходять до книги з диспозицією та звичкою міркувати кількісно, все ж отримують набагато більше це ніж ті, хто цього не робить. Більшість моїх студентів погано працювали на прикметах математичних знань (90% отримали невдалі оцінки), але ті, хто також погано виступив з приводу критичного мислення ( тест когнітивної рефлексії Шейна Фредеріка), зазнали помітно менших покращень протягом семестру, ніж інші. Як перед, так і після тесту включали повний тест CAOS на 40 предметівосновоположних концепцій, які повинні включати будь-які вступні курси статистики рівня коледжу. Учні цього класу постійно демонстрували вдосконалення вдвічі більше, ніж те, що повідомляється в літературі CAOS; студенти з поганими когнітивними показниками рефлексії покращили лише середню кількість (або не змогли завершити курс). Я не маю даних, щоб призначати причини цього додаткового вдосконалення, але підозрюю, що підручник заслуговує хоча б на частину заслуг.