最近在看统计推断的时候发现一本好书，《Computer age statistical inference》（中译大致是《计算机时代的统计推断》），作者是Bradley Efron 和 Trevor Hastie。作者是统计界大牛，书的电子版免费放到了网上，《Computer age statistical inference》。
书的内容主要按照时间分三部分，第一部分是电子计算机时代之前的经典统计推断内容，包括：频率学派，贝叶斯学派，和Fisherian以及常见的参数模型，并介绍了指数分布族，时间为1763年（贝叶斯发表贝叶斯公式的那个文章）到1950年之间；第二部分为计算机时代早期统计方法，时间跨度为1950-1990年，依托于计算机的出现，这个时间段涌现了很多经典的统计方法，书中主要介绍了经验贝叶斯、James-Stein估计、广义线性模型（GLM）和回归树、生存分析、EM算法、以及经典重抽样方法：Jackknife和Bootstrap、交叉验证、MCMC等方法；第三部分为21世纪出现的统计学习方法，如：稀疏模型和Lasso、Random Forest和Boosting方法、神经网络与深度学习、SVM和核技巧等，这部分和作者之一 Trevor Hastie的另一本经典书《 The Elements of Statistical Learning》（中译名为《统计学习基础》有交叉部分，可以互相参考）。ESL也是网上各种推荐。
按照三部分，慢慢写点读书笔记吧，记录一下心得。