İstatistiksel yöntemlerin geniş ve kavramsal olarak gözden geçirilmesi için kitap

Simülasyon / tahmin / işlev tahmini vb. İçin istatistiksel analiz potansiyeli ile çok ilgileniyorum.

Ancak, bu konuda fazla bir bilgim yok ve matematik bilgim hala oldukça sınırlı - yazılım mühendisliği lisans öğrencisiyim.

Beni okumaya devam ettiğim bazı şeylere başlamak için bir kitap arıyorum: doğrusal regresyon ve diğer regresyon türleri, bayesian yöntemleri, monte carlo yöntemleri, makine öğrenimi, vb. her ikisini birleştiren bir kitap vardı, bu harika olurdu.

Tercihen, kitabın şeyleri çok fazla teknik ayrıntıda değil kavramsal olarak açıklamasını istiyorum - istatistiklerin bana çok sezgisel olmasını istiyorum, çünkü istatistiklerde çok fazla riskli tuzak var.

Değerli bulduğum konulardaki anlayışımı geliştirmek için daha fazla kitap okumaya hazırım.

• Belki de R: John Maindonald ve W. John Braun'dan Örnek Tabanlı Bir Yaklaşım Kullanarak Veri Analizi ve Grafik gibi bir şey istersiniz

  • Kitap için web sitesi
  • Çeşitli incelemelere sahip Amazon
  • Bunu öneriyorum çünkü kitap birkaç kutunuzu işaretliyor; biraz R öğretir; çok fazla matematiksel ayrıntıya girmeden bir dizi farklı modelleme tekniğine (ör. çoklu regresyon, zaman serileri, grafikler, genelleştirilmiş doğrusal model, vb.) genel bir bakış sunar; oldukça uygulanır.

• @Greg Snow ile bir dizi farklı kitap okumak konusunda düşünmekten daha iyi olabileceğinizi kabul ediyorum. Bahsettiğiniz her konu için (örn. Bayesci istatistikler, zaman serileri, simülasyonlar, R, makine öğrenimi) ilgili konuya adanmış iyi kitaplar vardır. Bu konudaki ilgi alanlarınız göz önüne alındığında, iyi bir kitabın ne olacağı hakkında ayrı sorular sormak isteyebilirsiniz.

• İyi serbestçe kullanılabilir çevrimiçi seçenekler

  • İstatistiksel Öğrenme Unsurları mükemmel bir kitaptır ve hatta çevrimiçi olarak ücretsiz olarak mevcuttur. Gönderinizden, ilk başta istediğinizden biraz daha teknik olabileceği hissine kapılıyorum, ancak bakın ve ne düşündüğünüzü görün. Belki şimdi buna hazır olacaksınız; belki sonra.
  • Benjamin Bolker'ın Ekolojik Modelleri ve R'deki Veriler başka bir iyi modeldir . Ekoloji perspektifinden geliyor, ancak simülasyon ve model uyumunu nispeten teknik olmayan bir perspektiften net bir şekilde açıklıyor; ve hepsi R'de uygulandı. Tüm R kodunu web sitesinde görebilirsiniz. Kitabı oluşturmak için kullanılan Sweave belgelerini bile görebilirsiniz!
  • CRAN'da ücretsiz R belgelerinin iyi bir listesi var ve bazı belgeler istatistiklerle ilgili daha geniş talimatlar veriyor.

Tüm bu konuları içeren tek bir kitap oldukça etkileyici ve muhtemelen sizinkinden daha ağır olacaktır. Bu, temel programlama, C, Java, Perl ve gelişmiş veritabanı tasarımını tek bir kitapta öğreten tek bir kitap istemek gibidir (aslında muhtemelen daha fazla, ancak daha gelişmiş olanları eklemek için yeterli yazılım oluşturma terimlerini bilmiyorum) .

Regresyonun kendisi genellikle en azından tam bir kolej dersidir, Bayes istatistikleri, tam olarak anlamak için Bayes dersini almadan önce bir ders veya 2 teori gerektirir.

Yapmaya çalıştığınız işe hızlı ve kolay bir yol yoktur. Üniversitenizde iyi dersler almanızı ve oradan çalışmanızı öneririm.

Bazı iyi fikirleri inceleyebileceğiniz iyi kitaplarla ilgili başka tartışmalar da oldu.

R'nin tanımladığınız birçok yöntemle birleşimi için, @Jeromy Anglim tarafından bahsedilen Maindonald ve Braun metnine ek olarak, Julian Faraway'in bu iki kitabına bir göz atmanızı öneririm:

• R'li Doğrusal Modeller
• Doğrusal Modelin R ile Genişletilmesi

Her ikisinin de çeşitli konulara makul derecede basit girişleri vardır, ikincisi, birçok makine öğrenme tekniği de dahil olmak üzere, regresyona yönelik çok daha modern yaklaşımları kapsar, ancak daha az açıklama ile daha hızlı bir şekilde yapar ve her ikisi de teknikleri R kodu yoluyla örneklendirir.

Chapman & Hall / CRC Press'ten doğrudan satın alırsanız , R Web Sitesi Kitapları Bölümü'nden RRP'den% 20 indirim elde etmek için bir kod alabilirsiniz , ancak Amazon fiyatını benzer bir şekilde kontrol edin. indirimden sonra yayıncının fiyatı ile.

Bu kitap çifti ile ilgili iyi şeylerden biri, daha sonra istediğiniz alanları daha özel metinlerle daha ayrıntılı olarak keşfetmek için yeterli ayrıntıya sahip modern yöntemlerin iyi bir lezzetini vermeleridir.

Bu kitaplara giren içeriğin bir kısmı Julian'ın çevrimiçi web sitesinde R Web Sitesinin Katkıda Bulunan Belgeler bölümünden bulunabilir. Nakit çıkarmanıza gerek kalmadan başlamanıza yardımcı olabilecek başka dokümanlar olup olmadığını görmek için bu bölüme göz atmanızı öneririm. Maindonald ve Braun'un metninin ilk baskısına dönüşen metnin erken bir versiyonu da bu bölümde bulunabilir.

Peki, çoğu istatistiksel yönteme ve R koduna genel bir bakış istiyorsanız, Venables ve Ripley'in S'deki Modern Uygulamalı İstatistikleri ile çok yanlış gidemezsiniz .

Özlü, anlaşılır ve adlandırmak istediğiniz hemen hemen her istatistiksel konuya başlamanız için yeterli R koduna sahiptir.

Bu kitabı satın aldım ve sayfa sayısına göre fiyat konusunda ihtiyatlıydım, ancak yatırıma değdi. Analiz ve lineer cebiri varsayarlar, ancak mühendis olduğunuz göz önüne alındığında, bu çok fazla sorun olmamalıdır.

Onların S programlama da harika, ama muhtemelen şu anda aradığınız şey değil.

İstatistiksel öğrenmenin unsurları yeni başlayanlar için biraz korkutucu olabilir. Buradan ücretsiz olarak indirilebilen " R Uygulamalarıyla İstatistiksel Öğrenmeye Giriş " okunmasını tavsiye ederim -> http://www-bcf.usc.edu/~gareth/ISL/ Ayrıca R'de örnekler de çalıştı. her bölümün sonunda.

Stephen Marsland'ın “ Makine Öğrenmesi: Algoritmik Bakış Açısı ” da matematiğe çok fazla girmeden daha geniş konuları kapsamaktadır.

Önceki cevapların, uygulamaların yanında çok şey var. Kavramsal materyal ve iyi istatistiksel düşünme konusunda, Olasılık Teorisi: Edwin Jaynes'in bilimin mantığı öneriyorum . İlk üç bölüm buradan ücretsiz olarak edinilebilir

Bilgisayar programları yolunda çok fazla bir şey yok, bu yüzden şeylerin uygulama tarafı daha stilize problemler üzerinde. Olasılık teorisi paradoksları üzerinde parlak bir bölümü vardır, bir istisna dışında, burada doğru bir şekilde çözülen "marjinalleştirme paradoksu" (Jaynes esas olarak "dersi alır", ancak uygun olmayan bir önceliğin uygun önceliğin bir dizisinin bir sınırı olması gerekir) .

Şimdiye kadar yapılan önerilerin hepsi mükemmel ancak R yazılımını kullanan en gelişmiş ve sofistike tekniklere odaklanıyor. Klasik çok değişkenli tekniklerin mükemmel ve sezgisel bir incelemesi için, regresyon, ANOVA, faktör analizi, küme analizi, diskriminant analizi, beklenmedik durum tablosu analizi ve yapısal denklem analizi, Dillon ve Goldstein'ın Çok Değişkenli dahil olmak üzere en güncel yaklaşımların altında yatan çerçeve Wiley tarafından 80'lerde yayınlanan istatistikler hala bir klasik. Berraktır ve örneklerinde aşırı teorik veya yazılıma bağlı olmadan uygulanır.

Dillon ve Goldstein, modern makine öğrenme yöntemlerinin nereden geldiğini anlamak isteyen herkese tavsiye edeceğim kitap.

Shumway ve Stoffer'dan "Zaman Serisi Analizi ve R örnekleri ile uygulamaları" tavsiye ederim

Üçüncü baskı: http://www.stat.pitt.edu/stoffer/tsa3/

Tıklayın ve http://www.amazon.com/Time-Analysis-Its-Applications-Statistics/dp/144197864X/ref=dp_ob_title_bk satın alın.

R Yemek Kitabı , R'ye atlamanın ve onu nasıl kullanacağınızı öğrenmeye başlamanın harika bir yoludur. Çok pratik, bu yüzden dili kullanmayı öğrenmek harika, ama iyi bir teori kitabı da aramalısınız.