В колледже я прошел несколько курсов по статистике, но обнаружил, что мое образование основано на теории.
Мне было интересно, есть ли у кого-нибудь из вас текст в Прикладной статистике (на уровне выпускника), который вы рекомендуете, или у вас был хороший опыт.
regression
references
modeling
experiment-design
application
jameselmore
источник
источник
Ответы:
Несколько очень хороших книг: «Статистика для экспериментаторов: дизайн, инновации и открытия, 2-е издание» от Box, Hunter & Hunter. Это формально вводный текст (больше для химиков и инженеров), но он чрезвычайно хорош с прикладной стороны.
«Анализ данных с использованием регрессионных и многоуровневых / иерархических моделей» Эндрю Гельмана и Дженнифер Хилл. Очень хорошо в применении регрессионного моделирования.
«Элементы статистического обучения: сбор данных, вывод и прогнозирование, второе издание» (серия Springer в области статистики), 2-е издание (2009), исправленное издание Хасти Тревор, Тибширани Роберт и Фридман Джером. Более теоретичен, чем два первых в моем списке, но также чрезвычайно хорош в отношении причин и проблем приложений. - PDF Выпущенная версия
«Введение в статистическое обучение» (серия Springer по статистике), Гарет Джеймс, Даниэла Виттен, Тревор Хасти и Роберт Тибширани, 6-е место (2015) - PDF Выпущенная версия
Работа с этими тремя книгами должна послужить хорошей основой для приложений.
источник
Харрелл (2001), Стратегии регрессионного моделирования отличается
источник
В дополнение к этому, « Вводная эконометрика: современный подход » Уолдриджа содержит практически все, что вы когда-либо хотели знать о регрессии, на продвинутом уровне бакалавриата.
редактировать: если вы имеете дело с категориальными результатами, Hastie et al незаменим. Кроме того, категориальный анализ данных Agresti является хорошим классическим подходом, в отличие от подхода машинного обучения Hastie et al.
источник
Байесовский анализ данных, третье издание (2013) Gelman et al. Уровень смешанный, но лечение, которое я считаю настолько хорошим, что в большинстве глав можно найти что-то ценное. Если вы заинтересованы в принципиальном применении методов, я рекомендую эту книгу.
источник
Я получил много пользы от Справочника Шескина по параметрическим и непараметрическим статистическим процедурам . Это широкий обзор методов проверки гипотез, с хорошим введением в теорию и тоннами заметок о тонкостях каждого из них. Вы можете увидеть оглавление на сайте издателя (ссылка выше).
источник
Стратегии регрессионного моделирования Фрэнка Харрелла, отличная книга, если вы уже знаете некоторые основы. Он сильно сосредоточен на приложениях (множество примеров с кодом), на определении моделей, диагностике моделей, работе с распространенными ошибками и избегании проблемных методов.
источник
Я использовал «Инженерную статистику» Монтгомери и Ранджера. Это очень хорошо (особенно если у вас сильный математический фон). Я также настоятельно рекомендую ознакомиться с онлайн-курсом машинного обучения CalTech. Это отлично подходит для введения в концепции ML (если это часть вашего анализа данных). https://work.caltech.edu/telecourse.html .
источник
Я написал книгу «Нелинейное регрессионное моделирование для инженерных приложений: моделирование, валидация моделей и возможность проектирования экспериментов», Wiley, New York, NY, September 2016. ISBN 9781118597965, Rhinehart, RR, потому что я почувствовал такую необходимость. Книга содержит 361 страницу и имеет сопутствующий веб-сайт с решениями открытого кода Excel / VBA для многих методов. Посетите www.r3eda.com.
источник
В последовательности методов регрессии верхнего уровня программы UW Stat PhD используются «байесовские и частотные регрессионные методы» Уэйкфилда, что особенно полезно для таких людей, как вы, которые видели много математической статистики. Это дает гораздо больше перспектив, чем в большинстве книг, даже о самых простых прикладных методах, поскольку в нем используется так много математики.
источник
Я использовал « Статистика колледжа Made Easy » Шона Коннолли. Он нацелен на первый / второй курс статистики. Материал очень, очень легко следовать. Я попробовал несколько книг, и ни одна из них не сравнится с этим.
источник