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


23

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.


2
Yüksek lisans düzeyinde ders kitapları, Negatif Binom Regresyonu veya Durum-Uzay Metodları ile Zaman Serileri Analizi gibi başlıklar ile genellikle oldukça uzmanlaşmıştır . Eğer ilgilenen konum veya bölge hakkında daha detay verebilir edilir Eğer genel bir çeşit arayan?
Scortchi - Monica'yı yeniden konumlandırın

1
Bize uygulamalarınız hakkında biraz daha bilgi verirseniz yardımcı olur!
kjetil b halvorsen

Çoğunlukla regresyon yöntemleri ve bazı modellemelerle ilgileniyorum. Çok fazla binom RV'sinin yanı sıra rasgele değişkenlerin kaba veya belirsiz dağılımları ile karşılaşıyorum. Uygulamalar oldukça geniştir, bu nedenle genel bir bakış 'ideal' olacaktır, ancak açıkça bir talep hahası için mümkün değildir.
jameselmore

Yanıtlar:


20

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.


3
Box, Hunter ve Hunter, henüz okumamış olan herhangi bir seviyedeki herkes için okumaya değer.
Scortchi - Monica'yı yeniden kurun


3
Gelman / Hill kitabının büyük bir hayranıyım.
John

Öğelerin çoğunu okudum; bu çok büyük bir zorluktur ve uygulamaları arıyorsanız, neyin atlanacağını bilmeniz gerekir. Daha pratik öneri + kod örnekleri içeren benzer materyalleri içeren bir kaç kitap Kuhn & Johnson ( applicationpredictivemodeling.com ) ve Berk ( springer.com/gp/book/9780387775005 ).
Drew N,

8

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)

5

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.


1
Wooldridge'in özellikle gelişmiş olduğunu sanmıyorum. Bence daha iyi bir referans, Hayashi'nin Ekonometrisi veya hatta Wooldridge'in “Metin ve Panel Verilerinin Ekonometrik Analizi” adlı ikinci metni olabilir.
JohnK

5
Hayashi'yi "uygulamalı istatistikler" için kullanmak, bir mum yakmak için bir alev makinesi kullanmak gibidir. Daha az teori istedi, daha fazla değil. Ayrıca, Wooldridge'in bu kadar teknik olmasa bile bir lisans kitabı için kavramsal olarak sofistike olduğunu düşünüyorum. Stock & Watson'ı tavsiye ettiğim gibi değil.
shadowtalker

2
Kabul etmiyorum ama metaforu sevdim;)
JohnK

3

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.



1

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.


0

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 .


0

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.


0

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.


-1

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.


Askerin çok fazla teorik istatistikleri olduğu göz önüne alındığında, bu muhtemelen istedikleri şey değil.
Sheridan Grant,
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.