推荐Statistics: Concepts and Controversies by David S. Moore and William Notz

有中文版。

Statistics: Concepts and Controversies by David S. Moore and William Notz, which aims at teaching the spirit and ideas of statistics to students in all fields, strongly recommended. Every subject, if it is an essential major subject to society and civilization, should be possible to be taught as a general course to all students. I am working on teaching physics, math and system science, especially the later is one of my on-going effort, as such general courses.

系统科学概论，也应该写成这个风格和水平，努力中。

吴金闪有几个本科生科研项目招募学生

第一、项目简介：
1、对自然科学、社会科学、人文学科的典型课程的典型教材的核心概念的教学顺序的对比：针对某一学科的某一门课程，首先收集整理核心概念，制作概念地图；接着依赖概念地图计算分析各个经典教材的概念的学习顺序的效率；做跨学科的对比。
2、利用google ngram viewer以及背后的数据分析历史、文化中关键词汇的演化发展：google电子化了很多的书籍，并且按照一个字、两个字、三个字作为整体等等做了切分。有了这个切分数据以后，我们就可以讨论某一个词的时间演化（有一个剑桥的科学家做了历史上 “Curiosity”各个年代出现的次数的统计，揭示了一些很有意思的事情。例如，思想、潮流的变化），不同时期，处于使用量前列的词的变化，以及这个变化反应的历史、文化现象。目前已经有学生陈约翰在思考这个问题。
3、恩格尔系数的重定义：以前（小农经济的时候）活着的主要成本是食物，所以恩格尔系数的定义主要是总消费中食物占的比例。现在生活必须品的消费更多了，例如住房（房租或者月供）。这时候如何修改恩格尔系数？目前已经有学生史依颖在思考这个问题。

第二、对学生的要求：
1、已经具有：一颗好奇的心，热爱探索，想尝试科学研究；良好的微积分、线性代数、概率论基础；C语言或者Python一定的熟悉程度；
2、要学会的：概念地图的技术和学习方法、研究性学习的学习方法、C语言或者Python的熟练使用、数据库的运用、复杂网络分析方法。

滚动讨论班，帮助学生做团队学习

  • 组织方式：给定学习材料，分配好内容，每一个人给大家讲授其中的一部分，但是所有内容每一个人都要看。
  • 开设时间：每一到两年一次，有足够数量新的学生就开，基本上用一个学期的时间，每周一次；有必要也可以集中开设。
  • 参与学习者：没有限制，本校或者其他学校的本科生、研究生、老师、高中学生，都行。不严肃的勿扰。每一个讨论版最好三人以上，十人以内。
  • 目前正在开设和已经开设过的有：博弈论、投入产出、量子与统计物理学讨论班。目前正在打算开设的：复杂网络、数值线性代数讨论班。
  • 讨论班：
    1. 复杂网络讨论班
      1. 学习资料：
        1. 吴金闪、狄增如的综述文章《从统计物理学看复杂网络研究》
        2. Barabasi的复杂网络的新书：Network Science
        3. 《网络科学导论》汪小帆、李翔、陈关荣，基本概念比较详细完整准确
        4. 《Spectral Graph Theory》Fun Chung
        5. Newman的经典书《Network, An Introduction》
        6. 软件：1、NetworkX + Pyhton 或者 2、iGraph + C
      2. 学习目标：
        1. 复杂网络的思考方式，事物之间的联系，从数据出发通过分析计算来研究问题，一些典型应用
        2. 复杂网络分析的基本概念、基本计算分析工具
        3. 软件包，语言，实际计算分析经验
      3. 需要的基础：统计学、物理学的思考问题方式、编程语言
      4. 需要注意的事：看书的时候要想办法自己去做计算，把各种东西实现。计算程序部分不会有讲解
    2. 数值线性代数讨论班
      1. 学习资料：
        1. Y. Saad，Iterative Methods for Sparse Linear Systems
        2. BLAS、Lapack、Petsc、Slepc、acml的使用，分模块讲解程序
      2. 学习目标：
        1. 数值线性代数的基本计算（矩阵乘法、本征问题、线性系统），基本计算的实现原理
        2. 各个软件系统中上述基本计算的实现
        3. 软件包，语言，实际计算分析经验
      3. 需要的基础：线性代数、C或者Fortran或者Python
    3. 博弈论讨论班
      1. 学习资料：
        1. Open Yale Courses：Game Theory
        2. Games of Strategy by Dixit etal
        3. A Primer in Game Theory by Robert Gibbons
        4. 演化博弈论 by 威布尔
      2. 学习目标：
        1. 博弈的思考方式，把实际问题抽象成博弈问题的能力
        2. 博弈与博弈的解、解的精炼、求解方法
        3. 趋向解的过程，学习，演化博弈
        4. 解的描述能力
        5. 博弈的计算分析技术
      3. 需要的基础：线性代数、微积分、稳定性分析
      4. 需要注意的事：用博弈论来思考和认识世界。演化博弈需要计算分析的实现，可能是数值计算。
    4. 投入产出讨论班
      1. 学习资料：
        1. Ronald E. Miller, Peter D. Blair, Input-Output Analysis
        2. Erik Dietzenbacher, Michael L.Lahr， Wassily Leontief and
          Input-Output Economics
      2. 学习目标：
        1. 投入产出分析的思考方式，把实际问题抽象成投入产出问题的能力
        2. 投出产出分析的基本概念与技术（线性方程）、影响力指标、结构分解；投入产出分析与网络分析的联系
        3. 投入产出的计算分析技术
      3. 需要的基础：线性代数、经济学导论或者经济学原理
    5. 量子物理学、统计物理学讨论班
      1. 学习资料：
        1. 非常简短而深刻的物理学精华：分析力学、量子力学、统计力学，吴金闪讲授。按照张江的建议，希望我真的能够哪一天把这些内容整理成书
        2. 吴金闪博士论文《Quantum Transport Through Open Systems》
      2. 学习目标：
        1. 统计平衡分布，概率论
        2. 量子振幅、密度算符、叠加原理、测量
        3. 量子态的演化
        4. 开放量子统计系统态的演化
        5. 统计物理学、量子力学的研究面貌
      3. 需要的基础I：力学、统计力学、量子力学，最好有分析力学的基础
      4. 需要的基础II：数值线性代数
    6. 高等统计物理讨论班
      1. 学习资料：
        1. 相变与临界现象，Newman的统计物理学中的Monte Carlo方法
        2. 随机过程，Risken的FPE
        3. Birgerson的平衡与非平衡统计物理学
      2. 学习目标：
        1. 相变与临界指数的发现，表示，计算
        2. 随机过程的模拟
        3. 离散Markovian过程的分析与数值计算
      3. 需要的基础I：力学、统计力学、概率论
      4. 需要的基础II：数值线性代数
    7. 概念地图讨论班
      1. 学习资料：
        1. Learning, Creating and Using Knowledge by J.D. Novak
      2. 学习目标：
        1. 追寻事物之间联系的思考方式
        2. 利用概念地图技术抓住主要概念，主要脉络，跨领域横向联系的能力
        3. 制作概念地图的技术
      3. 需要的基础：思考概念之间联系的思考方法
    8. 英文科技论文写作讨论班
      1. 学习资料：
        1. The Elements of Style by W. Strunk and E.B. White
        2. Scientific Writing 2.0 by Jean-Luc Lebrun
        3. Duke大学研究性写作课程
      2. 学习目标：
        1. 用清晰的逻辑呈现研究问题、研究结果、研究技术的能力
        2. 科技论文写作风格：最主要的先写、简单句和复杂的句子的协调
        3. 他人已经整理出来的写作上的操作指南
      3. 需要的基础：无

做好一个研究生的学术方面、学术交流方面

  1. 学会欣赏，欣赏定理、结论、推理过程、计算技术、思考方式，欣赏他人的工作
  2. 学会计算，基本的解析（分析代数微分方程）数值计算（数值线性代数、Monte Carlo）
  3. 学会思考，第一步王氏三板斧（做了什么、有什么好的地方和缺陷、我能做什么）；第二步，跳出问题，价值判断
  4. 有独特的分析计算技术体系，例如对微分方程、随机微分方程特别熟悉，数值线性代数认识特别深刻
  5. 有非常熟悉的具体系统的知识背景，例如量子物理学、语言学、情报学、经济学等等
  6. 学会研究型学习：
    1. 了解基本的问题是什么；
    2. 目前和将来这个领域主要大家在思考什么，自己去实现去回答，可以参考经典教材；
    3. 翻阅教材和综述文献，对自己的答案给一个批判性检验；
    4. 阅读研究论文、综述论文开展具体问题的研究
  7. 学会团队学习：
    1. 选择好的学习材料（参考工具、课程与学习资料），好的团队成员；
    2. 分配好各位成员的学习内容；
    3. 做好自己需要讲授的部分的阅读（这个时候可能需要阅读材料的其他部分），并讲解；
    4. 在学习他人讲解内容之后，阅读学习材料相应的部分
  8. 学会写作，逻辑、内容、文法同样重要，参考工具、课程与学习资料
  9. 学会做学术报告，深入浅出，启发思考