在数据分析过程中，我们经常会遇到线型拟合问题。标准的做法是用最小二乘法(least-squares method)来计算相关系数，用协方差矩阵(covariance matrix)估计误差。不过这是在假定所有数据点都是绝对精确的情况下才成立。而在实际工作中，测量值不可避免地带有误差，忽略这些误差显然会低估相关系数的误差。那么该如何合理考虑数据点的误差，并绘制相应的置信带(confidence band，表示拟合函数的可能出现范围)呢？这里我们借助Python中的相关函数来看一下。
2014年MIT的一个研究组根据联合国教科文组织的“译文索引”制作了一个世界各语种影响力的权重图（中文是上图中下方的小红点）。很明显，中文图书的引进和翻译都还远落后于其他语种，引进的数量还不到英语的百分之一。一方面各行业中都有大量的专业术语没有合适的中文译名，从业人员都习惯于英文表述。另一方面非专业人士的译法五花八门，出入很大。这个状况给知识的传播和普及造成了许多混乱和障碍。虽然目前网络上的英汉词典和查询网站众多，但其中的术语名词质量参差不齐，来源模糊不清，都无法替代传统译名手册成为可靠的信息来源。
下面列出一些较为可靠的中文术语翻译资源，供译者和编辑参考。
继续阅读
从来没有注意过标点符号的英文名，一出来才发现连键盘上的符号都认不全，更不要说数学符号了。latex手册中倒是很全，可只有代码没有说明，只好自己做了一个速查表（Punctuation Cheat Sheet），列出英文名称和tex源码，算是给补课。有了英文对照，看tex命令都明白多了。