Lisansüstü düzeyde Uygulamalı İstatistikleri kendi kendine öğretmek için kitap önerileri var mı?

Üniversitede birkaç istatistik dersi aldım ancak eğitimimin teoriye dayalı olduğunu öğrendim.

Uygulamalı İstatistik’te (lisansüstü düzeyde) herhangi birisinin tavsiye ettiğin veya iyi bir deneyim yaşadığın bir metni olup olmadığını merak ediyordum.

Bazı çok iyi kitaplar: "Deneme İstatistikleri: Tasarım, Yenilik ve Keşif, 2. Baskı", Box, Hunter & Hunter. Bu, resmi olarak bir tanıtım metnidir (kimya ve mühendislik çalışanları için daha fazla) ancak uygulamalı tarafta oldukça iyidir.

"Gelir ve Çok Düzeyli / Hiyerarşik Modeller Kullanarak Veri Analizi" Andrew Gelman ve Jennifer Hill. Regresyon modellemesi uygulaması konusunda çok iyi.

"İstatistiksel Öğrenmenin Öğeleri: Veri Madenciliği, Çıkarım ve Tahmin, İkinci Baskı" (İstatistiklerdeki Springer Serisi) 2. (2009) Hastie Trevor, Tibshirani Robert ve Friedman Jerome. Listemdeki ilk ikisinden daha teorik olmakla birlikte, uygulamaların neden ve sonuçlarında son derece iyi. - PDF Çıktı Sürümü

"İstatistiksel Öğrenmeye Giriş" (İstatistikte Springer Serileri) 6 (2015) Gareth James, Daniela Witten, Trevor Hastie ve Robert Tibshirani - PDF Serbest Sürüm

Bu üç kitap arasında ilerlemeniz, uygulamalar için çok iyi bir temel sağlamalıdır.

Harrell (2001), Regresyon Modelleme Stratejileri ile ayırt edilir.

• Baştan sona modellemeyi kapsar; bu nedenle veri azaltma, eksik değerlerin hesaplanması ve model doğrulama
• farklı aşamalarda farklı yöntemlerin nasıl kullanılacağının açıklanmasına vurgu
• Kitabın çoğunu alarak baştan sona çalışılmış örnekler (& S-Plus / R kodu)

Bunlara ek olarak, Giriş Ekonometrisi: Wooldrige'in Modern Yaklaşımı , yüksek lisans düzeyinde, regresyon hakkında bilmek isteyebileceğiniz her şeye sahiptir.

düzenleme: kategorik sonuçlarla uğraşıyorsanız, Hastie ve ark. vazgeçilmezdir. Ayrıca, Agresti'nin Kategorik Veri Analizi , Hastie ve arkadaşlarının makine öğrenme yaklaşımının aksine, iyi bir klasik yaklaşımdır.

Bayesian Veri Analizi üçüncü baskı (2013), Gelman ve diğ. Seviye karışık ama tedavi o kadar iyi buluyorum ki değerli bir şey çoğu bölümden elde edilebilir. İlkelerin uygulanması ile ilgileniyorsanız, bu kitabı öneriyorum.

Sheskin'in Parametrik ve Parametrik Olmayan İstatistiksel Prosedürler El Kitabı'ndan çok faydalandım . Her biri incelikleriyle ilgili teoriye ve notlara iyi bir şekilde giriş yapan geniş bir hipotez test yöntemi araştırmasıdır. TOC’yi yayıncının sitesinde (yukarıda bağlantılı) görebilirsiniz.

Frank Harrell tarafından Regresyon Modelleme Stratejileri , zaten bazı temel bilgiler biliyorsanız, harika bir kitap. Modeller, modellerin teşhisi, genel tuzaklar ile uğraşmak ve sorunlu yöntemlerden kaçınmak, uygulamalara (kodlu birçok örnek) odaklanmıştır.

Montgomery ve Runger tarafından "Mühendislik İstatistikleri" kullandım. Oldukça iyi (özellikle güçlü bir matematik geçmişiniz varsa). CalTech'in çevrimiçi Makine Öğrenimi kursuna da bir göz atmanızı tavsiye ederim. ML Kavramlarına giriş yapmak için harika (eğer veri analizinizin bir parçasıysa). https://work.caltech.edu/telecourse.html .

Mühendislik Uygulamaları için Doğrusal Olmayan Regresyon Modellemesi: Modelleme, Model Doğrulama ve Deney Tasarımını Etkinleştirme, Wiley, New York, NY, Eylül, 2016 kitabını yazdım. Kitap 361 sayfa ve birçok teknik için Excel / VBA açık kod çözümleri içeren bir web sitesine sahip. Www.r3eda.com adresini ziyaret edin.

UW Stat Doktora programının en üst düzey regresyon yöntemleri sekansı, Wakefield'ın “Bayesian ve Frequentist Regresyon Yöntemleri” ni kullanır ; bu, sizin gibi birçok matematiksel istatistik görmüş olan kişiler için özellikle iyi bir seçimdir. Çok fazla matematik kullandığı için en basit uygulamalı yöntemlerle ilgili kitapların çoğundan daha fazla perspektif verir.

Sean Connolly'dan Kolay Kolej İstatistikleri kullandım . İstatistikte birinci / ikinci bir kursu hedeflemektir. Malzemeyi takip etmesi çok kolay. Birkaç kitap denedim ama hiçbiri bununla karşılaştırılmadı.