Tento kurz vyučuji od letního semestru 2022 a seznam doporučené literatury se plánuji teprve dotvářet. V totu chvíli považuji za nejvhodnější primární text pro kurz knihu The Art of Statistics: How to Learn from Data od Davida Spiegelhaltera (2019). Kniha podobně jako kurz míří na dva cíli: posílení statistické gramotnosti u široké veřejnosti a uvedení studentů na cestu studia statistiky. Kurz volí moderní cestu k výuce statistiky, kdy na začátku cesty ke statistickému vzdělání není příliš akcentována teorie pravděpodobnosti, a to z didaktických důvodů - teorie pravděpodobnosti je náročná disciplína a ocení ji spíše až studenti, kteří už mají do statistiky nějaký vhled. S teorií pravděpodobnosti se tak setkáme především ve druhé polovině kurz, za základní oporu poslouží kniha Introduction to probability (Blitzstein and Hwang 2014), která pro zájemce nabízí mnohem širší pojednání tématu než tento kurz.

Jako pokročilejší literaturu pro zájemce lze doporučit především knihu Statistical Rethinking (McElreath 2020), která akcentuje bayesiánský přístup ke statistice. Kniha je velmi zajímavá, ale většinou ji ocení až studenti v pozdější fázi studia, v kurzu z ní ovšem čerpáme některé příklady. Jako zásobárna statistických příkladů z oblasti společenských věd poslouží také knihy A Quantitative Tour of the Social Sciences (Gelman and Cortina 2009) a Teaching Statistics: A Bag of Tricks (Gelman and Nolan 2017).

Dále pro zájemce o tu rovinu kurzu, která se spíše než technickými postupy zabývá každodenní statistickou gramotností, lze doporučit knihu How to Make the World Add Up (Harford 2021).

V kurzu velmi zlehka pracujeme také se softwarem R pro účely praktických ukázek některých základních konceptů. Jako rozšiřující literaturu pro kvantitativní analýzu dat v R doporučuji především knihu R for Data Science (Wickham and Grolemund 2017), která je volně dostupná online, viz odkaz níže v seznamu, a také knihy Social Science Data with R: An Introduction Fogarty (2019) a Statistical Inference via Data Science(Ismay and Kim 2019). Nicméně obsah těchto knih se jen velmi lehce dotýká obsahu kurzu Statistika 1 a jde spíše o texty pro zájemce o intenzivnější práci v R. Tyto studující lze pak odkázat také na kurz Úvod do analýzy dat v R, který vyučuji s kolegou Alešem Vomáčkou, jehož záběr se více překrývá s knihami doporučenými v tomto odstavci.

Za pomoc se sestavením seznamu doporučené literatury děkuji Alešovi Vomáčkovi.

Seznam literatury

Blitzstein, Joseph K., and Jessica Hwang. 2014. Introduction to Probability. 1st edition. Boca Raton: Chapman; Hall/CRC.
Fogarty, Brian J. 2019. Quantitative Social Science Data with r: An Introduction. 1st edition. Los Angeles London New Delhi Singapore Washington DC Melbourne: SAGE Publications Ltd.
Gelman, Andrew, and Jeronimo Cortina, eds. 2009. A Quantitative Tour of the Social Sciences. 1st edition. Cambridge University Press.
Gelman, Andrew, and Deborah Nolan. 2017. Teaching Statistics: A Bag of Tricks. 2nd edition. Oxford: Oxford University Press.
Harford, Tim. 2021. How to Make the World Add up: Ten Rules for Thinking Differently about Numbers. 1st edition. London: The Bridge Street Press.
Ismay, Chester, and Albert Y. Kim. 2019. Statistical Inference via Data Science: A ModernDive into r and the Tidyverse. 1st edition. Boca Raton: Chapman; Hall/CRC.
McElreath, Richard. 2020. Statistical Rethinking: A Bayesian Course with Examples in r and STAN. 2nd edition. Boca Raton: Chapman; Hall/CRC.
Spiegelhalter, David. 2019. The Art of Statistics: Learning from Data. UK USA Canada Ireland Australia India New Zealand South Africa: Pelican.
Wickham, Hadley, and Garrett Grolemund. 2017. R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. 1st edition. Sebastopol, CA: O’Reilly Media. https://r4ds.had.co.nz/.