统计月读（2024 年 8-9 月）

推荐语: 推荐一个小工具 jsonlines. python 中 json 包已经可以覆盖大部分场景，但是如果文件很大/读写多个同文件不同 json 可以尝试 jsonlines

推荐语: 看到一个旅行地图，很有意思的呈现方式（眼前一亮）不妨点开一下感受一下新的记录方式，代码开源，自己做类似总结也可以参考一下。

推荐语: 在复杂的多源数据统计模型中，常见的结构假设有分组结构、低秩结构等。当存在不满足上述结构的异常个体时，如何得到模型的稳健估计？本文采用了多任务学习的方法，利用个体之间的相似性，设计出一套自适应的稳健学习方法，能够应对上述存在于复杂实际数据中的异常值问题。

doi:: 10.1214/23-AOS2319

推荐语: 这篇文章简要介绍了如何使用 R 中的 {reactable} 包来创建交互式和视觉上吸引人的表格，提供了自定义列、添加摘要和美化表格的分步示例，非常适合需要提升数据展示效果的用户。

推荐语: Posit 公司最近发布 Positron release，Positron 的定位是下一代数据科学IDE，支持 R/Python，基于 VSCode 定制开发，安装后开箱即用 R 和 Python、以及 Jupyter Notebook。

推荐人: 宋文轩

链接: https://github.com/posit-dev/positron, BV1ebhWeFEQk（我翻译的一个安装和使用视频）

推荐语: 在 meta 分析中，常常出现需要均值和标准差来计算总效应、而文献只给出了最大最小值、两个四分位数和中位数的情况，此时可以通过${a, q_1, m, q_2, b}$这 5 个统计量来估计均值和标准差。Shi et al. (2020) 和 Luo et al. (2018)的文章总结了 3 种情形下的对均值和标准差的估计并给出了在${a, q_1, m, q_2, b}$情况下的最优估计。

推荐语: 一个很不错的网站，里面有大量modern深度学习方法的代码实现，并且附带非常详细的讲解（中英文都有），包括Transformer，LoRA，Diffusion，GAN，GNN，RL等等。界面也非常漂亮，GitHub获得54k Stars，墙裂推荐

推荐语: 统计学如何在大模型时代有所作为，是统计学界最关注的话题之一。Stanford的Emmanuel Candès在ASA SLDS给了一个有趣的talk，题为Statistical methods for assessing the factual accuracy of large language models, 在油管有录屏。

推荐语: 看到一篇总结物理和机器学习相关算法的文章，比较综述，蛮有意思的

推荐语: 一个有趣的算法包surreal，可以把你的图片（二维格点形式）加密藏进数据集，然后从线性回归的残差图中恢复出来。

推荐语: 奇怪的模因（meme）meme增加了！memery包提供了把R语言图表与meme图结合的功能，让你可以用meme图引人注意，为数据呈现增加趣味。

推荐人: 孔令仁

链接: https://leonawicz.github.io/memery/

推荐语: 一个vscode插件（comment-formula），可以在代码的注释中直接显示latex，非常方便。对于一些公式不多的情况很方便，直接原地显示，如果公式比较多的话还是jupyter叭，这个插件对大型公式、多行情况支持稍差，需要鼠标移动到公式上才能preview

推荐语: 一篇很全的diffusion综述，里面的数学推导也非常详细，想入坑diffusion的是不错的选择

推荐人: 王子翀

链接: https://arxiv.org/pdf/2208.11970

推荐语: nala是一个基于python的apt前端，相比于apt更加容易理解和操作，而且支持并行下载包，还有自动识别Debian/Ubuntu的能力，值得一试。

推荐人: 孔令仁

链接: https://github.com/volitank/nala