Czy masz zalecenia dotyczące książek do samodzielnego nauczania statystyki stosowanej na poziomie magisterskim?


23

Brałem kilka kursów statystycznych na studiach, ale odkryłem, że moje wykształcenie było bardzo teoretyczne.

Zastanawiałem się, czy któryś z was miał tekst w statystyce stosowanej (na poziomie magisterskim), który polecasz lub miałeś dobre doświadczenie.


2
Podręczniki dla absolwentów są zwykle raczej wyspecjalizowane, z tytułami takimi jak Negatywna regresja dwumianowa lub Analiza szeregów czasowych metodami w przestrzeni stanów . Czy można być bardziej szczegółowe na temat obszaru jesteś zainteresowany, czy Państwo szukając jakiejś informacji?
Scortchi - Przywróć Monikę

1
Byłoby to pomocne, gdybyś powiedział nam coś więcej o swoich aplikacjach!
kjetil b halvorsen

Najbardziej interesują mnie metody regresji i modelowanie. Napotykam wiele dwumianowych RV, a także zmiennych losowych o szorstkich lub niejasnych rozkładach. Aplikacje są dość szerokie, więc przegląd byłby „idealny”, ale najwyraźniej nie jest to najbardziej wykonalne z haha ​​żądania.
jameselmore

Odpowiedzi:


20

Kilka bardzo dobrych książek: „Statistics for Experimenters: Design, Innovation and Discovery, 2nd Edition” autorstwa Box, Hunter & Hunter. Jest to formalnie wstępny tekst (więcej dla chemików i inżynierów), ale niezwykle dobry z zastosowanej strony.

„Analiza danych z wykorzystaniem regresji i modeli wielopoziomowych / hierarchicznych” Andrew Gelman i Jennifer Hill. Bardzo dobry w stosowaniu modelowania regresji.

„Elementy uczenia statystycznego: eksploracja danych, wnioskowanie i przewidywanie, wydanie drugie” (Springer Series in Statistics) 2nd (2009) Poprawione wydanie Hastie Trevor, Tibshirani Robert i Friedman Jerome. Bardziej teoretyczny niż dwa pierwsze na mojej liście, ale także bardzo dobry pod względem zastosowania i zastosowania. - Wersja PDF wydana

„Wprowadzenie do statystycznego uczenia się” (Springer Series in Statistics) 6th (2015) Gareth James, Daniela Witten, Trevor Hastie i Robert Tibshirani - Wersja PDF

Przejrzenie tych trzech książek powinno dać bardzo dobrą podstawę do składania wniosków.


3
Box, Hunter i Hunter są warte przeczytania dla każdego na dowolnym poziomie, który jeszcze tego nie przeczytał.
Scortchi - Przywróć Monikę


3
Jestem wielkim fanem książki Gelman / Hill.
John

Przeczytałem większość elementów; to trudność, a jeśli szukasz aplikacji, musisz wiedzieć, co pominąć. Kilka książek o podobnych materiałach z bardziej praktycznymi poradami i przykładami kodów to Kuhn & Johnson ( Applpredictivemodeling.com ) i Berk ( springer.com/gp/book/9780387775005 ).
Drew N

8

Harrell (2001), Strategie modelowania regresji wyróżniają się

  • obejmujący modelowanie od początku do końca - dlatego uwzględniono redukcję danych, przypisywanie brakujących wartości i sprawdzanie poprawności modelu
  • nacisk na wyjaśnienie, jak stosować różne metody na różnych etapach
  • dokładnie opracowane przykłady (i kod S-Plus / R) zajmujące znaczną część książki

5

Oprócz nich, wprowadzająca ekonometria: nowoczesne podejście Wooldrige ma prawie wszystko, co możesz chcieć wiedzieć o regresji, na zaawansowanym poziomie licencjackim.

edytuj: jeśli masz do czynienia z kategorycznymi wynikami, Hastie i in. są niezbędni. Również analiza danych kategorycznych według Agresti jest dobrym klasycznym podejściem, w przeciwieństwie do uczenia maszynowego Hastie i in.


1
Nie sądzę, że Wooldridge jest szczególnie zaawansowany. Moim zdaniem lepszym odniesieniem byłaby ekonometria Hayashi, a nawet drugi tekst Wooldridge'a, „Analiza ekonometryczna przekrojów i danych panelowych”.
JohnK

5
Używanie Hayashi do „statystyki stosowanej” jest jak używanie miotacza ognia do zapalania świecy. Prosił o mniej teorii, nie więcej. Ponadto uważam, że Wooldridge jest wyrafinowany pod względem koncepcyjnym dla książki licencjackiej, nawet jeśli nie jest tak techniczny. To nie tak, że poleciłem Stock & Watson.
shadowtalker

2
Nie zgadzam się, ale podoba mi się metafora;)
JohnK

3

Bayesian Data Analysis, trzecie wydanie (2013), Gelman i in. Poziom jest mieszany, ale leczenie uważam za tak dobre, że z większości rozdziałów można uzyskać coś cennego. Jeśli interesuje Cię stosowanie metod oparte na zasadach, polecam tę książkę.



1

Regres Modeling Strategies autorstwa Franka Harrella, to świetna książka, jeśli znasz już podstawy. Koncentruje się na aplikacjach (wiele przykładów z kodem), określaniu modeli, diagnozowaniu modeli, radzeniu sobie z typowymi pułapkami i unikaniu problematycznych metod.


0

Użyłem „statystyk technicznych” autorstwa Montgomery i Runger. Jest całkiem niezły (szczególnie jeśli masz silne doświadczenie matematyczne). Gorąco polecam także sprawdzenie internetowego kursu uczenia maszynowego CalTech. Świetnie nadaje się do wprowadzenia do ML Concepts (jeśli jest to część analizy danych). https://work.caltech.edu/telecourse.html .


0

Napisałem książkę Modelowanie regresji nieliniowej do zastosowań inżynieryjnych: modelowanie, walidacja modelu i włączanie projektowania eksperymentów, Wiley, Nowy Jork, NY, wrzesień 2016. ISBN 9781118597965, Rhinehart, RR, ponieważ wyczułem taką potrzebę. Książka ma 361 stron i ma towarzyszącą stronę internetową z rozwiązaniami otwartego kodu Excel / VBA dla wielu technik. Odwiedź www.r3eda.com.


0

Sekwencja metod regresji najwyższego poziomu programu doktora UW Stat wykorzystuje metody Wakefielda „Bayesowskie i częste metody regresji”, co jest szczególnie dobrym wyborem dla ludzi takich jak ty, którzy widzieli wiele statystyk matematycznych. Daje znacznie więcej perspektywy niż większość książek na temat nawet najprostszych stosowanych metod, ponieważ wykorzystuje tak wiele matematyki.


-1

Sean Connolly użyłem College Statistics Made Easy . Jest przeznaczony do pierwszego / drugiego kursu statystyki. Materiał bardzo, bardzo łatwy do naśladowania. Wypróbowałem kilka książek i żadna z nich nie dorówna.


Biorąc pod uwagę, że pytający miał wiele teoretycznych statystyk, prawdopodobnie nie o to chodzi.
Sheridan Grant
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.