- Buku ajar statistik dari proyek OpenIntro, Introduction to Modern Statistics Edisi ke-2, tersedia gratis di web
- Isi buku ajar selalu dapat dibaca gratis di web, dan PDF dapat diperoleh di Leanpub secara gratis atau dengan jumlah kontribusi pilihan Anda
- Paperback hitam-putih dijual seharga 25 dolar AS, dengan keterangan hak cipta tahun 2024 dan tanggal versi 31 Maret 2026
- Materi pendukung, termasuk slide, praktik, tutorial interaktif, juga dapat diunduh gratis di openintro.org/book/ims
- Buku ajar ini merupakan karya turunan dari buku-buku statistik OpenIntro yang sudah ada, dan disediakan dengan CC BY-SA 3.0 Unported United States License
Buku ajar statistik gratis dari OpenIntro
- Introduction to Modern Statistics, Second Edition adalah buku ajar statistik karya Mine Çetinkaya-Rundel dan Johanna Hardin
- Buku ajar ini disebut sebagai IMS dan merupakan bagian dari proyek OpenIntro
- Situs webnya di-hosting di Netlify
Format penggunaan dan harga
- Isi buku ajar tersedia selalu gratis di web
- Melalui Download PDF, PDF dapat diperoleh dari Leanpub
- PDF tersedia gratis atau dengan jumlah kontribusi yang dipilih pengguna
- Paperback hitam-putih dapat dibeli seharga 25 dolar AS
- Keterangan hak cipta adalah 2024, dan tanggal versinya 31 Maret 2026
Materi pendukung dan lisensi
- Buku ajar dan materi pendukung dapat diunduh gratis dari openintro.org/book/ims
- Materi pendukung mencakup slide, praktik, tutorial interaktif
- Buku ajar ini merupakan karya turunan dari OpenIntro Statistics 4th Edition dan Introduction to Statistics with Randomization and Simulation 1st Edition
- Lisensinya adalah Creative Commons Attribution-ShareAlike 3.0 Unported United States License
- Detail lisensi dapat dilihat di creativecommons.org
- File sumber tersedia di GitHub di github.com/openintrostat/ims
1 komentar
Komentar Hacker News
Saya rasa pendidikan statistik sedang cukup banyak direvolusi berkat aksesibilitas komputer
Misalnya, pengujian hipotesis diperkenalkan lewat randomisasi[1], dan menggunakan uji permutasi acak[2]
Saat belajar statistik dengan cara tradisional, yang dipelajari hanya daftar seperti buku resep: “untuk situasi ini pakai uji-t, untuk situasi itu pakai uji chi-kuadrat”, tanpa memahami mengapa uji tersebut harus digunakan atau dari mana asalnya
Untuk melihat pendekatan serupa dalam konteks yang sedikit berbeda, ada juga [3]
[1]: https://openintro-ims2.netlify.app/11-foundations-randomizat...
[2]: https://en.wikipedia.org/wiki/Permutation_test
[3]: https://inferentialthinking.com/chapters/11/1/Assessing_a_Mo...
Gosset membuat uji-t dan membuktikan validitasnya, tetapi mahasiswa sering diajari menerapkannya seperti kotak hitam tanpa pemahaman mendasar tentang mengapa itu benar, dan ini tidak baik secara pedagogis
Pada titik ini, menurut saya statistik Bayesian jauh lebih baik. Isomorfisme Curry-Howard yang terhubung dengan logika sangat mendalam, dan ia juga bisa diperkenalkan melalui distribusi konjugat yang memiliki solusi analitis bentuk tertutup
Hal yang lebih kompleks adalah pekerjaan komputer, dan dengan alat seperti STAN, distribusi kompleks yang jauh lebih canggih daripada metode frequentist pun bisa ditangani
Uji permutasi terasa memuaskan karena merapikan hal-hal yang sudah saya ketahui dari teori distribusi, tetapi saya tidak yakin apakah efeknya akan sama jika sama sekali tidak tahu teori distribusi
Jika mempelajari statistika matematis, kita tidak belajar dengan gaya buku resep. Pada tahap dasar, kita mempelajari teori probabilitas dan teori distribusi, berbagai distribusi, lalu pengujian hipotesis, regresi, ANOVA, dan sebagainya mengalir dari sana
Sebaliknya, ilmuwan peneliti sering belajar lewat mata kuliah singkat untuk bidang tertentu, misalnya statistik untuk biolog, sehingga tampaknya mereka menjumpai statistik sebagai kumpulan resep
Distribusi binomial cukup konkret sehingga membantu mahasiswa menangkap konsep nilai p, tetapi setelah itu, saat beralih ke distribusi normal, distribusi t, dan lain-lain, materinya makin abstrak dan cenderung berubah menjadi buku resep “kapan memakai apa”
Saya sangat menghargai dan menyukai upaya pedagogis di bidang ini, terutama dalam bentuk buku ajar terbuka, tetapi saya benar-benar tidak suka statistik pengantar diajarkan dengan pendekatan umum seperti ini
Saya berharap seiring waktu kita menjauh dari pengujian signifikansi hipotesis nol yang tambal sulam, menuju fokus pada model linear, lalu menggunakan pendekatan Bayesian sebagai default
Menurut saya ini bisa dilakukan sejak kursus pengantar, dan tautan di bawah ini bisa menjadi rujukan: https://lindeloev.github.io/tests-as-linear/#:~:text=Most%20...
Namun pendekatan “Bayesian sebagai default” terasa bergerak ke arah yang sedikit lebih tidak pasti
Software engineer biasanya punya kemampuan ini, tetapi sebagian besar pengguna statistik tidak
Jika mencoba menjelaskan kemiripan metode-metode linear ini dan gagasan “semuanya satu” kepada ilmuwan sosial yang tidak menyukai angka atau rumus itu sendiri, besar kemungkinan mereka justru makin bingung
Meski begitu, kalau ada yang melakukan eksperimen acak yang memperkirakan efek kedua metode dengan model linear yang tepat, saya harap beri tahu saya. Sepertinya itu akan menjadi eksperimen 10/10
[1]: https://lindeloev.github.io/tests-as-linear/#41_one_sample_t...
Senang melihat Mine Çetinkaya-Rundel termasuk sebagai penulis di sini
Banyak orang mungkin mengenalnya dari “R for Data Science”(https://r4ds.had.co.nz/) yang ia kontribusikan, tetapi ia juga menerbitkan banyak makalah bagus tentang pendidikan data science
Sejauh ini ia jelas salah satu instruktur terbaik yang pernah saya lihat
Salah satu buku favorit saya tentang statistik dan probabilitas adalah Regression and Other Stories karya Andrew Gelman, Jennifer Hill, dan Aki Vehtari
Bisa dibaca gratis di sini: https://users.aalto.fi/~ave/ROS.pdf
Saya penasaran apakah ada buku tahap sebelum statistik yang mengajarkan cara berpikir dan konsep yang diperlukan untuk memahami statistik
Jika memahami dengan kokoh alat-alat dasar probabilitas, statistik bisa dipelajari dengan cukup mudah
Tanpa pemahaman itu, statistik kemungkinan besar akan terlihat seperti sekumpulan resep
Sebaliknya, jika terbiasa dengan probabilitas, Anda bisa memformulasikan masalah nyata yang Anda punya, lalu dengan sedikit pencarian menemukan alat statistik yang diperlukan
Tidak banyak yang dibutuhkan di luar kalkulus dasar
Banyak orang sejak kecil punya hambatan mental seperti “saya tidak bisa matematika” karena guru yang buruk
Langsung saja terjun; Anda tidak akan menyesal
Ronald Fisher mungkin tidak memakai bootstrap untuk menghitung interval kepercayaan, tetapi sebagian besar silabus lainnya tampak seolah-olah hampir ia yang membuatnya pada awal 1900-an :-)
Saya membuat cheatsheet komprehensif untuk belajar statistik: https://github.com/mavam/stat-cookbook
Saya suka karena mencakup randomisasi dan bootstrapping
Namun sayang kerangka hipotesisnya masih NHST. Dalam arti apa pun, sulit menyebutnya “modern”
Jika beralih ke Bayes, mata kuliahnya harus ditulis ulang sepenuhnya
Saya juga pernah melihat interval kepercayaan diusulkan sebagai alternatif, tetapi itu pun ada bantahannya
Saya juga pernah melihat argumen bahwa pengujian hipotesis itu sendiri sebaiknya tidak digunakan sama sekali
Dalam situasi ketika NHST masih banyak digunakan dan belum ada alternatif yang jelas, menurut saya justru merugikan jika mahasiswa tidak diperkenalkan dengannya
Saya penasaran buku statistik bagus apa yang cocok untuk belajar mandiri
Buku yang ditautkan adalah buku pengantar tahun pertama, dan menjalankan peran itu dengan baik
Jika ingin melangkah lebih jauh, pilihannya banyak
Statistical Inference karya Casella dan Berger memiliki reputasi sangat baik sebagai buku yang membangun statistik dari prinsip pertama. Saya tidak akan menautkannya, tetapi dengan pencarian sederhana Anda bisa menemukan hasil scan PDF lengkapnya. Ulasan Amazon: https://www.amazon.com/Statistical-Inference-Roger-Berger/dp...
Statistics karya Freedman, Pisani, Purves juga mendapat ulasan sangat bagus dan mudah ditemukan online. Ulasan Amazon: https://www.amazon.com/Statistics-Fourth-David-Freedman-eboo...
Sebagian besar buku dari kurikulum inti data science Berkeley juga tersedia online. Memang bukan statistik murni saja, tetapi diajarkan dengan cara modern yang memanfaatkan komputasi dan randomisasi, serta membahas alat yang layak dipelajari
Data 8: https://inferentialthinking.com/chapters/intro.html, Data 100: https://learningds.org/intro.html, Data 140: http://prob140.org/textbook/content/README.html, Data 102: https://data102.org/fa23/resources/#textbooks-from-previous-...
Bukan hanya kurikulum Berkeley; ada puluhan, mungkin ratusan, kuliah online. Namun cakupannya cukup luas, dan saat belakangan ini meneliti pendidikan data science, materi Berkeley adalah yang paling banyak saya baca
Buku ini ditujukan untuk mahasiswa doktoral di bidang sains, sehingga berfokus pada “bagaimana statistik dapat dipakai untuk menguji hipotesis ilmiah dan memilah kausalitas”
Tidak masuk terlalu dalam secara matematis, tetapi mengharapkan pembaca punya sedikit intuisi matematis dan sudah terbiasa menganalisis data meski tanpa statistik
Pada dasarnya hanya membahas model Bayes dan cara menyesuaikannya dengan komputer, jadi hampir tidak membahas sisi frequentist
Ada juga seri video yang menyertainya: https://www.statlearning.com/
Introduction to Probability karya Joseph K. Blitzstein dan Jessica Hwang juga layak dilihat. Tersedia gratis: http://probabilitybook.net (dialihkan ke drive)
Jika suka, Think Bayes yang serupa juga layak dilihat
Ada juga https://nostarch.com/learnbayes
Jika sudah punya dasar statistik dan ingin belajar ulang dari perspektif yang jauh berbeda, lebih kausal dan Bayesian, Statistical Rethinking juga bisa saya rekomendasikan