Freedman ve arkadaşlarının “İstatistik” ve Freedman'ın “İstatistik Modelleri: Teori ve Uygulama” arasında seçim yapma

Bir istatistikçi değilim, ancak istatistiklerle çok ilgileniyorum ve referans olarak tutmak için bir kitap satın almak istiyorum. Belirli konularda birkaç kitapım var ( makine öğrenimi için İstatistiksel Öğrenmenin Unsurları veya Bayes Veri Analizi için ... iyi, Bayesci Veri Analizi :) Ayrıca daha genel bir kitap arıyordum.

Freedman'ın kitapları burada genellikle iyi düşünülür:

Gelişmiş istatistik kitap önerileri

İstatistikçi olmayan bilim insanları için hangi kitabı önerirsiniz?

İkinci soru için seçilen cevap Freedman, Pisani ve Purves (A) 'ya ait istatistikler ve bunu satın alacaktım. Ancak İstatistiksel Modeller: Teori ve Uygulama (B) hakkında bilgi edindim . İki kitap benzer görünüyor (söyleyebileceğim kadarıyla: Amazon beni tam ToC'ları okumaktan bile kısıtlıyor ... neden bilmiyorum). Yayın tarihleri ​​çok yakın. Ancak:

• B çok daha ucuzdur. A'yı alabilirdim, bu yüzden A açıkça B'den daha iyiyse, A'ya gitmeye hazırım.
• A daha uzun, ancak bana göre B'den eksik ana bölümlerin olasılıkla ilgili olduğu görülüyor. Bu parçaya ihtiyacım yok, bu yüzden tek fark veya ana fark buysa, daha ucuz ve daha taşınabilir B satın almayı tercih ederim :)

Hangi kitabı satın almamı önerirsiniz?

Oldukça farklılar.

(A) açık bir şekilde giriş niteliğindedir (ancak pek çok açıdan temel değildir). Bu çelişkili görünebilir: belki (A) akıllı düşünen okuyucuların daha önce düşünmeye istekli olduklarını, ancak önceki istatistik bilgilerini bilmediğini söylemek doğru olur. Mutlu insanların renkli fotoğrafları, ekstra malzemeli çeşitli kutular veya yazarın daha vahşi deneyimlerine veya aşırı bereketli hayal gücüne dayanan kaba hikayeler gibi hile yoktur. (Piyasadaki daha korkunç alternatiflerden bazılarına atıfta bulunmadan bunu ima ediyorum.) Akıllı bir lise öğrencisi veya lise matematiklerinin çoğunu hatırlayan herhangi biri, ödüllendirici ve daha açık bir lisans pazarını bulacaktır.

(B) daha ikinci bir metindir ve (A) 'nın tanıdık içeriğini bulamayan herkes için zor olacaktır. (B), materyallerin çoğuna daha önce en az bir kez rastlayan okuyuculara bağlı olduğunu söyleyebilirim, çünkü açıklamaların çoğu zekice özlü ama aynı derecede yoğun. Gerçekten araştırmacılar için, en az son yıl lisans öğrencileri bir tez veya araştırma makalesi hazırladığını söyleyebilirim. Ayrıca, yüksek standartları çoğu zaman hemen hemen herkesin çalışmalarını dışlayan Freedman ile hemfikir olup olmadığınıza göre seveceğiniz veya nefret edeceğiniz daha fikirlidir.

(A) 'yı birkaç yılda bir kâr ve zevkle yeniden okudum ve ilk basımdan bu yana yaptım (gözden geçirme ve atlama ile).

Açıklama: Ben de istatistikçi değilim; ne de daha önce istatistikçiler tarafından verilen dersleri almadım.

Dedikodu: John Tukey'nin biyografisi ( ayrıntılar ve inceleme için buraya bakınız ) iki kez Princeton'da yüksek lisans öğrencisi olan David Freedman'ın Tukey'in bazen eliptik ve zor öğretme tarzıyla gerçekten baş edemediği belgelenmemiş bir hikaye içeriyor. Bunun (A) genel olarak kutu grafiklerinden ve Tukey keşif yöntemlerinden kaçınmasının altında yatan bir neden olabileceğini düşünmek cazip gelebilir.

Ben bir istatistikçiyim, 40 yıldır öğrettim, özellikle biyologlara. Yukarıdaki Nick Cox cevabı öldü. Kanımca, "FPP" hala istatistiklerle ilgili en iyi tanıtım kitabı. Kavramlara güçlü vurgu, harika örnekler (daha fazlasını diliyorum biyolojiden olsa da!) Ve karşı örnekler ('bariz'in bazen nasıl yanlış olabileceğini gösteren) ve alıştırmalar. Okuması kolay, ama bu aldatıcı olabilir: düşünmek zorundasınız. "İstatistiksel Modeller" (Freedman) ikinci veya üçüncü bir ders kitabıdır. Aynı zamanda çok kavramsal. Muhtemelen en küçük kareler yöntemlerinin (regresyon, anova, vb.) Temellerini öğrenmek için daha standart bir kitap istersiniz. Freedman, modellerin ne zaman gerekçelendirildiği (genellikle "gerçeğe" iyi yaklaşımlar) ve olmadığında daha fazla endişe duymaktadır. Şimdi çok önemli, çok karmaşık modelleri bir düğmeye basarak biraz daha fazla çalıştırabildiğiniz, ancak ne varsaydığınızı veya sonuçların ne anlama geldiğini bilmediğinizde. Davison'un kitabı da mükemmel, ancak daha teknik ve pratik: çeşitli alanlarda en önemli standart modelleri (ve daha az standart) açıklıyor ve bunları analiz etmenin yollarını gösteriyor.