Livre sur les statistiques plus légères que les statistiques académiques

Noël approche et j'aimerais faire un cadeau sur le thème des statistiques. Le destinataire a acheté et aimé How Not to Be Wrong par Jordan Ellenberg (en passant, j'aime aussi ce livre). Il aimait aussi le signal et le bruit , même s'il trouvait cela un peu léger en mathématiques. Je recherche donc quelque chose comme ces livres, c'est-à-dire sur le thème des statistiques, qui n'a pas peur de quelques équations mais qui est plus léger qu'un livre académique de gros calibre comme par exemple BDA par Gelman et al. Pouvez-vous me suggérer quelques titres?

EDIT: Je viens de découvrir qu'il possède également Risk Savvy: How to Make Good Decisions by Gigerenzer mais pas le livre de Kahneman, donc la suggestion de Glen_b semble parfaite.

Dicing with Death de Stephen Senn se concentre sur les statistiques médicales et est beaucoup plus mathématique que The Signal and the Noise . Je l'ai aimé mais il contient pas mal de fautes de frappe.

Le Lady Tasting Tea couvre beaucoup plus de terrain que ce à quoi je m'attendais et est l'un des livres de statistiques les plus ouverts que j'ai lus. Bien qu'il ne soit pas du tout mathématique, il présente de nombreux sujets intéressants.

Symboles, signaux et bruit de Pierce est très bon marché, facile à lire et contient beaucoup d'équations. Cela semble être un bon ajustement, mais il est assez ancien (il est publié en réimpression Dover.)

Si votre ami s'intéresse à l'histoire, Games, Gods and Gambling de Florence Nightingale David est un compte rendu des débuts de l'histoire des statistiques qui est très lourd en mathématiques. Je préfère de loin son écriture à Stigler, mais ce n'est pas vraiment de la pop-sci, donc peut-être pas adapté à votre ami.

Du côté le plus léger des choses? Statistiques fausses: le guide complet Woefully est un titre amusant, eh bien, le titre est explicite. Dans le même vain, un classique est Comment mentir avec les statistiques . Similaire mais avec une légère ambiance Freakonomics est Naked Statistics: Stripping the Dread from the Data

Pas du tout mathématique, mais a certainement quelques éléments statistiques:

Kahneman, D. (2011) Penser, vite et lentement

Il a 5 ans, donc la personne l'a peut-être lu, mais si ce n'est pas le cas, elle pourrait le trouver utile.

LE STATISTICIEN ACCIDENTEL une autobiographie de GEP Box fait une excellente lecture (légère). Il n'est pas aussi lourd que le livre d'Ellenburg que je viens d'aimer, mais néanmoins agréable car il décrit les chemins empruntés par tous lorsque l'on essaie de donner un sens aux chiffres.

L'histoire de la statistique: la mesure de l'incertitude avant 1900 par Stephen M. Stigler

Je ne l'ai jamais lu consécutivement, je ne l'ai utilisé que quelques fois comme référence, mais c'est un joli livre qui pourrait être intéressant pour une grande variété de lecteurs.

Pour une saveur physique, Anomaly !, de Tommaso Dorigo traite de la "découverte" de signaux anormaux dans plusieurs colliers de physique des particules dans les années 1990, et de l'étude de savoir s'il s'agissait de découvertes de nouvelle physique ou de douves statistiques / méthodologiques. C'est un peu cher, cependant.

Sharon Bertsch McGrayne, La théorie qui ne mourrait pas: comment la règle de Bayes a déchiffré le code Enigma, traqué les sous-marins russes et émergé triomphant de deux siècles de controverse

La règle de Bayes semble être un théorème simple et linéaire: en mettant à jour nos croyances initiales avec de nouvelles informations objectives, nous obtenons une croyance nouvelle et améliorée. Pour ses adhérents, c'est une déclaration élégante sur l'apprentissage par l'expérience. Pour ses adversaires, il est fou de subjectivité.

Dans le tout premier récit de la règle de Bayes pour les lecteurs généraux, Sharon Bertsch McGrayne explore ce théorème controversé et les obsessions humaines qui l'entourent. Elle retrace sa découverte par un mathématicien amateur dans les années 1740 à travers son développement dans à peu près sa forme moderne par le scientifique français Pierre Simon Laplace. Elle révèle pourquoi les statisticiens respectés l'ont rendu professionnellement tabou pendant 150 ans - en même temps que les praticiens s'en sont servis pour résoudre les crises impliquant une grande incertitude et des informations rares (le rôle d'Alan Turing dans la rupture du code Enigma allemand pendant la Seconde Guerre mondiale), et explique comment le L'avènement de la technologie informatique standard dans les années 80 s'est avéré être un changement radical. Aujourd'hui, la règle de Bayes est utilisée partout, du décodage de l'ADN à la sécurité intérieure.

S'appuyant sur des documents de source primaire et des entretiens avec des statisticiens et d'autres scientifiques, The Theory That Would Not Die est le récit fascinant de la façon dont un théorème apparemment simple a déclenché l'une des plus grandes controverses de tous les temps.