Чи є у вас рекомендації щодо книг для самонавчання прикладної статистики на рівні випускників?

Я взяв декілька курсів статистики в коледжі, але виявив, що моя освіта дуже керована теорією.

Мені було цікаво, чи хтось із вас мав текст прикладної статистики (на рівні випускників), який ви рекомендуєте, або маєте хороший досвід роботи.

Деякі дуже хороші книги: "Статистика для експериментаторів: Дизайн, інновації та відкриття, 2-е видання" від Box, Hunter & Hunter. Це формально вступний текст (більше для людей з хімії та інженерії), але надзвичайно хороший з прикладної сторони.

"Аналіз даних за допомогою регресії та багаторівневих / ієрархічних моделей" Ендрю Гельмана та Дженніфер Хілл. Дуже добре застосовується регресійне моделювання.

"Елементи статистичного навчання: видобуток даних, умовиводи та прогнозування, друге видання" (серія Springer в статистиці) 2-е (2009) виправлене видання Hastie Trevor, Tibshirani Robert & Friedman Jerome. Більш теоретичний, ніж два перших у моєму списку, але також надзвичайно хороший у програмах whys та ifs. - випущена версія PDF

"Вступ до статистичного навчання" (серія Спрингера в статистиці) 6-е (2015) Гарет Джеймс, Даніела Віттен, Тревор Хасті та Роберт Тібширані - версія в PDF

Перебіг цих трьох книг повинен дати дуже гарну основу для додатків.

Харрелл (2001), регресійні моделі моделювання відрізняються

• охоплює моделювання від початку до кінця, тому скорочення даних, імпутація пропущених значень та перевірка моделі є одними з тем, що включають теми
• акцент на поясненні способів використання різних методів на різних етапах
• ретельно опрацьовані приклади (& S-Plus / R код), що займають більшу частину книги

На додаток до них, вступна економетрія: сучасний підхід Волдріджа має майже все, про що ви могли хотіти знати про регресію, на рівні вищої ступеня.

редагувати: якщо ви маєте справу з категоричними результатами, Хасті та ін є незамінними. Крім того, категоричний аналіз даних, який проводить Agresti, є хорошим класичним підходом, на відміну від методу машинного навчання Хасті та ін.

Третє видання Bayesian Data Analysis (2013) Gelman et al. Рівень змішаний, але лікування мені здається настільки хорошим, що щось цінне можна отримати з більшості глав. Якщо вас цікавить принципове застосування методів, я рекомендую цю книгу.

Я отримав багато користі з Посібника Шескіна з параметричних та непараметричних статистичних процедур . Це широке опитування методів тестування гіпотез, з хорошими ознайомленнями з теорією та тоннами приміток про тонкощі кожного. Ви можете побачити TOC на сайті видавця (посилання вище).

Стратегії моделювання регресії Франка Харрелла - це чудова книга, якщо ви вже знаєте деякі основи. Він сильно орієнтований на додатки (безліч прикладів з кодом), конкретизацію моделей, діагностику моделей, вирішення загальних підводних каменів та уникання проблемних методів.

Я використовував "Інженерну статистику" Монтгомері та Рунджера. Це досить добре (особливо якщо у вас сильний математичний досвід). Я також настійно рекомендую перевірити курс онлайн-машинного навчання CalTech. Це чудово для ознайомлення з концепціями ML (якщо це є частиною вашого аналізу даних). https://work.caltech.edu/telecourse.html .

Я написав книгу «Нелінійне моделювання регресії для інженерних застосувань: моделювання, валідація моделі та уможливлення проектування експериментів, Вілі, Нью-Йорк, штат Нью-Йорк, Нью-Йорк, вересень 2016 р. ISBN 9781118597965, Рейнхарт, РР, тому що я відчув таку потребу. Книга складається з 361 сторінки та має супровідний веб-сайт із рішеннями відкритого коду Excel / VBA для багатьох методів. Відвідайте www.r3eda.com.

Послідовність регресійних методів вищого рівня програми UW Stat PhD використовує «Байєсові та частотні регресійні методи» Уейкфілда, що є особливо хорошим вибором для таких людей, як ви, які бачили багато математичної статистики. Це дає набагато більше перспективи, ніж більшість книг навіть простіших застосованих методів, оскільки вона використовує стільки математики.

Я використав статистику коледжу, зроблену легко Шоном Конноллі. Він спрямований на перший / другий курс статистики. Матеріал дуже, дуже простий у дотриманні. Я спробував кілька книг, і жодна з них не порівнюється.