Як перетравити статистичний контекст?

По-перше, я припускаю, що не всі активні учасники цього цікавого веб-сайту є статистиками як їхня робота. Інакше питання, яке задається наступним чином, не має сенсу! Я, звичайно, їх поважаю, але мені потрібно пояснення, які є трохи більш практичними, ніж концептуальними.

Почну з прикладу з Вікіпедії, щоб визначити point process:

Нехай S - локально компактний другий лічильний простір Хаусдорфа, оснащений його борелевою σ-алгеброю B (S). Напишіть для безлічі локально обмежених підрахунків на S та для найменшої σ-алгебри на яка робить усі підрахунки точок ... вимірювані.$\mathfrak{N}$$\mathcal{N}$$\mathfrak{N}$

Для мене це не має жодного значення. Пояснення в інженерному контексті для мене більш зрозуміле.

Коментар: Більшість випадків я вважав пояснення Вікіпедії марними через подібний складний текст (принаймні, для мене). З мого досвіду є лише два типи довідників для статистики: а) надзвичайно спрощена б) надзвичайно складна!
Читання обох взагалі не має для мене переваг!

Питання:

• Чи є у вас рішення цієї проблеми? Або подібний досвід?

Для тих, хто вважає цю публікацію корисною, є також переваги перевірити: Посилання на консультації зі статистиками, щоб запропонувати своїм клієнтам, які обговорюють пов’язану тему з іншого погляду.

Якщо я можу уточнити, у вас виникає запитання: "Що я можу використовувати для розуміння математики, якщо великий ресурс, наприклад Вікіпедія, не має сенсу?" Майте на увазі, що навіть людина, яка освоїла концепцію, повинна була почати з періоду її нерозуміння, а потім пройти навчальний процес, хоч і той, який майже ніколи не брав участь у навчанні з Вікіпедії.

Провівши багато часу на вивченні речей, які досить жорстоко описані у Вікіпедії, я можу запевнити, що навіть коли хтось досить добре розуміє поняття, важко зрозуміти, що відбувалося через розум одного чи кількох авторів / редакторів у Вікіпедії. Не рідкість бачити математичні та статистичні поняття, понівечені купою людей з дуже грубим розумінням понять або в гонитві за тим, щоб прогресувати ще одне поле слабкого розуміння фундаментальної концепції. (Я б сказав більше, але важко це зробити, не звучачи надмірно песимістично щодо зусиль Вікіпедів, особливо тих, хто з інших дисциплін.)

Більш конструктивна примітка - найкращі посилання, як правило, ті підручники, що редагуються видавцями, з сильним досвідом редагування та публікації хороших творів у даній галузі. Автори та редактори в таких випадках мають репутацію серед своїх ровесників за якість своєї стипендії та суворість, а ряд послідовних видань зазвичай свідчить про прийняття іншими викладачами та дослідниками.

Між цим рівнем та Вікіпедією існує багато рівнів якості. Якщо друковані видання недоступні, найкращою альтернативою може бути використання «Пошук всередині книги» Amazon або «Книги Google».

Для інших доступних для Інтернету посилань ви можете виявити, що оглядові статті чи посібники для неспеціалістів є найбільш корисними. Прикладом цього є посібник зі статистики, опублікований NIST .

Можливо, вам доведеться синтезувати власне розуміння, шукаючи статті в Google Академія. Наприклад, ви можете запитати ["точковий процес - це"] і вивчити визначення, пропоновані в різних статтях. Крім того, веб-пошук на зразок ["point point" pdf site: edu] з'явить конспекти лекцій, слайди та навчальні посібники. Першим результатом цього запиту є "Вступ до точкових процесів". Ключова ідея полягає в тому, що слід шукати терміни, які або мають тенденцію до появи, або можуть з'являтися на відповідному рівні матеріалу, який би визначав і вводив поняття, незалежно від того, чи було фразове позначення позначати, що посилання має якесь відповідне викладення (наприклад, стаття журналу може визначити щось корисне, навіть якщо це не буде вступним текстом).

Не можна протистояти поганим редагуванням у Вікіпедії: для певних статей кількість поганих редакторів перевищує кількість людей, які можуть терпіти виправляти свої помилки.

Я розумію, звідки ти родом. У моїй галузі психології є багато ресурсів, які представляють статистику поверхнево. Це добре для багатьох студентів, але такі книги не забезпечують передумов для читання більш складних книг.

Здається, що вам потрібно (а) краще уявити діапазон книг зі статистикою та необхідні передумови, які передбачають різні ресурси. (б) визначити свої цілі навчання; (c) визначити свої поточні знання; і (г) об'єднати все для створення навчального середовища.

А. Розвивати розуміння пейзажних ресурсів статистики

Можливо, це дає орієнтовний сенс вступного статистичного ресурсу пейзажу, організованого на континуумі суворості та математичної складності.

• Кулінарні книги : Деякі ресурси мають стиль кулінарної книги, що показує, як користуватися програмним забезпеченням та надає поради щодо використання та інтерпретації статистичних даних (наприклад, Посібник з виживання SPSS ). Ці книги служать для людей, які мають стандартизовані потреби в аналізі даних і не мають ні часу, ні схильності займатися глибшим навчанням.
• Стандартні вступи до статистики : Існує також широкий спектр вступних книг зі статистикою, які різняться за ступенем математичної суворості. Для деяких єдиною умовою є те, що ви можете виконати основну алгебру. HyperStat пропонує один приклад в Інтернеті.
• Більш досконалі вступ до статистики : Хоча, ймовірно, на континуумі, інші введення до статистики є дещо більш математичними. Мені здається, велика різниця полягає в тому, чи підручник передбачає, що читач знайомий з численням і лінійною алгеброю. Як зазначає @iterator, Інтернет- посібник з інженерної статистики є одним із прикладів такого більш складного ресурсу.
• Математична статистика : На наступному рівні суворості - це ресурси, які можна класифікувати як математичну статистику. Ознайомтеся, наприклад, з Віртуальними лабораторіями з імовірності та статистикою , курсовими записками для цього предмету MIT з математичної статистики або з деяких відеокурсів з математичної статистики .

B. Визначте свої цілі навчання

Що ви хочете робити з цими знаннями статистики? Наскільки важлива математична строгість? Чи потрібно розуміти математично складні описи, які можуть з’явитися у Вікіпедії?

C. Визначте свої поточні знання

Для багатьох студентів із соціальних наук взаємодія з математично складними підручниками фактично вимагає вивчення або оновлення великої кількості математики. Однак якщо у вас є інженерна підготовка, то я думаю, що залучення до більш математичного лікування не повинно бути головним питанням.

D. Складіть це все разом

Після того, як ви визначили, що ви хочете дізнатися, що ви вже знаєте, і необхідні умови для вивчення нового матеріалу, завдання полягає в тому, щоб знайти найкращі ресурси для вас.

• Чи потрібен ресурс у вільному доступі в Інтернеті, чи ви готові придбати чи позичити книгу?
• Чи можете ви достатньо вивчити ресурс стилю підручника чи вам потрібна або потрібна середовище для аудиторії з лектором, який досліджує матеріал та структуру, яку забезпечує курс?
• Якщо ви знаходитесь за підручником з певного, який підручник ви вважаєте найяснішим, найкращим тощо?

Після того, як ви отримаєте відповіді на вищезазначені питання, у вас можуть виникнути більш конкретні запитання, які підійдуть для цього сайту. Наприклад, "Я знаю, x, y, z, і що таке хороший підручник, який пояснює a, b, c?"

Просто для додання чудової відповіді, даної Iterator. Іноді не потрібно розуміти поняття, щоб успішно його використовувати. Я часто стикаюся з невідомими поняттями під час читання статей, але перш ніж спробувати розібратися, що вони означають у зовнішньому джерелі, я завжди перевіряю, чи можна зрозуміти, що відбувається, якщо припускаю, що невідома концепція - це лише нове фантазійне ім'я для чогось що я вже знаю. Найчастіше використовується лише якась конкретна легко зрозуміла властивість цього нового поняття, тож я врешті-решт розумію, що зробив автор статті, і можу вирішити, корисна вона чи ні.

$S=\mathbb{R}^d$$\mathbb{R}^d$$S=\mathbb{R}^d$

Зауважте, що такий підхід працює не завжди. Іноді вам справді потрібно заглибитись, і тоді wikipedia така ж хороша, як і початкова точка пошуку. У цьому випадку ніщо не б’є хорошої книги. Іноді знайти його дуже просто, іноді, на жаль, їх немає.

Я думаю, що проблема існує, але ви її перебільшуєте. Якщо ви будете наполегливі у пошуку, ви знайдете надзвичайно корисні книги та інші джерела, які перебувають у середньому між надзвичайно технічними (наприклад, більшість статей у Журналі Американської статистичної асоціації; більшість творів, написаних Ендрю Гелманом, Бредлі Ефроном, або Дональд Рубін) і надзвичайно простий. Я витратив досить багато часу на пошук цих "середніх" джерел. Якщо ви хочете переглянути деякі мої рекомендації, їхній набір знайдете на yellowbrickstats.com . Я також часто знаходжу корисну інформацію на сайті Девіда Гарсона в штаті Північна Кароліна штат США.