打擾了
想問有沒有推薦偏向實務性的傳統統計線上課程或書
本身讀的是醫療相關科系
最近因為興趣在學機器學習、神經網路
在收集資料階段也想要會傳統統計
有先看過網路推薦的台大開放統計學課程
能理解大致上的概念
但實作的時候發現有我蠻多東西不知道
例如t檢定前要檢查統計分佈跟變異數
但case>30的時候就算非常態分佈仍然能用t檢定
迴歸模型要檢查分佈、抓異常值
odds ratio/hazard ratio/生存分析怎麼做
為什麼要分unadjusted跟adjusted ORs等等
所以想找個更深入的課程弄清楚
希望是偏實務性如什麼樣的資料/條件該選什麼統計方法、用之前要檢查什麼東西之類的
太數學的我可能看不懂也記不起來
現在會用python跟r
不考慮sas跟spss等付費軟體（工作場所不會買）
純統計教學可有跟工具搭配的更好
資料處理部分已經會用python或r來弄
可接受Udemy等付費線上課程
之前買python bootcamp每堂課都會有作業實作收穫良多
不過coursera plus就有點超出預算（生活繁忙可能會看好幾個月）
感謝大家

個人覺得 Udemy 上統計課程偏簡單，想要扎實一點的話可以看清華大學鄭少為老師的課，但就會比較多數學了；陳正倉老師寫的應用統計學比較淺顯易懂，例子也比較接近生活。前者是線上可以找到影音，後者可以去書局或圖書館翻翻看

感謝推薦 書查了一下目錄好像蠻適合的 會找時間去圖書館借 清大的很多人推不過對我來說有點硬 可能會留到最後再研究XD

少為把拔不過傳統統計在ML, DL的佔比越來越少

單一課程似乎很難滿足你的需要，一般性適合的課程網路上不確知有沒有，需要的話就查詢統計學系所的統計方法統計分析或資料分析類的課程，但不一定符合和滿足你的需求。如 odds ratio, adjusted odds ratio 是在離散（類別）資料分析， hazard ratio 是在存活分析。至於什麼 n > 30 可用t 檢定是基本統計學課程中學到的吧，但可惜嚴格來說那是錯誤的，是對中央極限定理及 t 分布的錯誤理解所造成的。較正確的說法在某些英文統計教本中可看到，例如Moore, D. S.的

醫療相關領域的話那從生物統計的課程去找可能較好入門

請教yhliu大, 有看過說t統計量(不是t分布) 本身會converge in distribution to normal不需要母體是normal, 例如考慮單樣本, mu=0的情況sqrt(n)*(sample mean) converge in distribution toN(0,1), 而sample variance converge in prabability to

t 統計量漸近常態，用的是中央極限定理，大數法則，和Slutsky 定理。首先，t 統計量的分子應用CLT漸近常態，其次t 的分母, 樣本變異數引用 LLN 收斂至群體變異數；最後，引用 Slutsky 定理完成證明。當然，群體分布需具有平均數變異數，這不僅是分子中的樣本平均數適用 CLT 的條件，也是分母中樣本變異數收斂至群體變異數所需條件。承先前我的看法，如統計方法一類的課程可能一學期介紹幾種統計方法，但都不會深入，如統計分析或資料分析，可能是分析方法的實際操演步驟，甚至不談原理。而這些絕不可能涵蓋個人需要或有興趣的各種方法，專門針對個人興趣的應用領域的課程可能好一點，但大概也只是方法的粗淺介紹。舉個例子如迴歸分析中影響點特異點偵測，模型診斷殘差分析等，大概只能在迴歸分析或迴歸模型這樣的課程學到，先前說的包含多種分析方法的課程最多只能從一個例子學到選擇模型的程序及從幾個殘差圖許看模型中存在的重大問題，很難學到較完整的分析程序。另外，現在很多人使用統計都是依賴套裝軟體，上課也多是軟體應用操作，要學到原理可能還需專門課程及專書

請問原po說的python bootcamp是在Udemy的嗎？謝謝

對 我是買這個“100 Days of Code: The Complete Python Pro Bootcamp” 他內容很多 我只看前面一小部分就開始找自己想弄的題目寫了

你應該沒完全看懂台大開放式課程，你說的問題如果有看懂，應該很容易理解你的問題自己重複看了5遍以上，每一個老師教的觀念都要真的懂，似懂非懂，就算看再進階的課程都只是徒增自己的困惑統計基礎要紮實，不然只會套模型，哪天連違反基本假設也不知道