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 są Państwo szukając jakiejś informacji?
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.
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.
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 ).
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
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.
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”.
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.
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.
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.
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 .
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.
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.
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.
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.