回答:
リストに追加する2つを次に示します。
Hastie、Tibshirani、Friedman の統計学習の要素http://www-stat.stanford.edu/~tibs/ElemStatLearn/は、統計学者のライブラリにあるはずです！
私は統計学者ではなく、このトピックについてあまり読みませんでしたが、おそらく
レディテイスティングティー：20世紀の統計がどのように科学に革命をもたらしたか
言及する必要がありますか？教科書ではありませんが、まだ読む価値があります。
ずっと前に、ジャック・キーファーの小さな論文「Introduction to Statistics Inference」は、大量の古典統計の謎を剥がし、残りの文献を始めるのを助けてくれました。私はまだそれを参照し、2年目の統計コースの強い学生にそれを暖かく勧めます。
これらのいずれかが「最も影響力のある本... [for] statistician [s]」と見なされるべきだと主張するつもりはありませんが、このトピックについて学び始めたばかりの人にとって、2つの役立つ本は次のとおりです。
ウィリアム・クリーブランドの本「データのグラフ化の要素」または彼の本「データの視覚化」
すべての統計学者は、スティグラーの「統計の歴史：1900年以前の不確実性の測定」を読むべきだと思う
それは美しく書かれ、徹底的であり、歴史家の観点ではなく数学者の観点であるため、技術的な詳細を避けていません。
Tufteによる定量的情報の視覚的表示と、何か面白いことに対するFreakonomicsと言います。
Andrew Gelmanの興味深い本の推奨事項は次のとおりです。
http://thebrowser.com/interviews/andrew-gelman-on-statistics
グラハムによって提案された「統計の歴史」に加えて、読む価値のある別のスティグラー本は
数学/基礎の側面：HaraldCramérのMathematical Methods of Statistics。
社会科学ジャーナルの記事にあるべき内容の明確な説明（執筆中または査読中の場合の支援）については、社会科学の定量的方法に関するレビュアーズガイドが好きです。特に、論文（論文、論文、論文）に含まれるべき最小限の概要として表desideratraが好きです。各章は分析手法ごとに分けられていますが、これは素晴らしいことです。本書は、対象となる技術が多くの分野で使用されているため、「単なる」社会科学よりも幅広い用途があると思います。
かなり早い段階で、おそらくこの質問には含まれていませんが、オットの統計的手法とデータ分析入門を紹介しました。非常に高価ですが、さまざまなGLMメソッドの基礎となる統計モデルを示す上で素晴らしいリソースです。ジャーナルが、テストされた統計モデルの公式を示す記事を含むことを必要とする日を夢見ています。
テストの前提条件を確認したり、テスト内のさまざまなオプションの効果を調べたりするために、これは私が勉強していたときに欲しかった本です。私は以前の版を持っています。これは、テストに関する情報が明確かつ一貫した方法でレイアウトされているため、購入した最高の一般的なリソースの1つです。テストを説明する素晴らしい例が含まれており、読者が博覧会を追跡するために特定の統計パッケージを持っている必要はありません。
タレブによるランダムネスにだまされて
タレブはコロンビア大学の教授であり、オプショントレーダーです。彼は2008年に約8億ドルを市場に賭けた。彼はまた、ブラックスワンを書いた。彼は市場をモデル化するために正規分布を使用することの不合理について議論し、誘導を使用する能力について哲学します。
興味がある場合は、Amazonとhttp://www.integrativestatistics.com/favorites.htmの両方で確認しました。
上記の推奨事項を読んで、質問に答えた人のほとんどが統計学者ではない人であることに驚いた。2つまたは3つの例外を除いて...たまたま社会科学者や医療専門家と一緒に働いていた産業統計学者として、砂漠の島に1冊の本しか持てなかったら、George EP Box、Statistics for Experimentalersになります（ワイリー）。彼の独特のユーモラスで明快なスタイルで、彼は実際のデータの数学モデルを構築することの本質と哲学を説明しています。厳密な思考、数学的な軽薄さ、ナンセンスはありませんが、統計的に考え、可能な限りプロットし、視覚化することを教えてくれます。有能な応用科学者（化学技術者が統計学者になった）の傑作。もう一度読むのはいつも楽しいです。
ライス：数学的統計とデータ分析
すでにたくさんの良い本が提案されています。しかし、ここに別のものがあります。GerdGigerenzerの「Reckoning With Risk」は、すべての理論を正しくするよりも統計が決定にどのように影響するかを理解することが重要だからです。実際、統計学者の一番の罪は、明確なコミュニケーションを怠っています。彼の本はコミュニケーション不足の結果とそれを避ける方法について述べています。
聖書のベイジアン統計から多くのことを学びました。
効果サイズの基本ガイド：統計的検出力、メタ分析、および Paul D. Ellisによる研究結果の解釈
この本は、科学研究を行っているすべての人、特に純粋な統計/数学に由来しないものにとって「必須」である場合。以下の本は、信頼区間に関する最初の本を拡張したものです。
新しい統計の理解：効果サイズ、信頼区間、および Geoff Cummingによるメタ分析
「最も影響力のある」は「誰もが読むべき」とはまったく異なる概念です。私は最初に答える資格がありません-あなたは統計の歴史家である誰かを必要とするでしょう-しかし、2番目については、ここにいくつかあります：
ロバート・アベルソンによる原理的議論としての統計は、科学、人文科学などを追求する統計を実行または使用している人なら誰でも読むべきです。
グラフィックスのウィリアム・S.クリーブランドの2冊：グラフデータの要素と可視化データ。統計学者にとって、私はこれらをTufteの仕事よりも先に置きました。Tufteには価値がないからです。直感ではなく。
John Tukeyによる探索的データ分析。それは時代遅れですが、価値があります-あなたは鉛筆と紙と脳で多くのことができます（少なくとも、あなたの脳がTukeyのものと同じくらい良いなら！）
たぶん、ゲルマンによるベイジアンデータ分析か、Pythonによるディープラーニングでしょう。しかし、それは中世にストレプトマイシンを服用するようなものです。私がキャリアを始めたとき、これらは書かれていなかったし、本からかなりの数のものが当時大きなニュースだったでしょう。しかし、誰もが知っておくべき最も影響力のあるもののいくつかは、単一のソースにはありません（おそらくそうあるべきですが...）。