Bạn có đề xuất cho các cuốn sách để tự dạy Thống kê ứng dụng ở cấp độ sau đại học?

Tôi đã tham gia một vài khóa học thống kê ở trường đại học nhưng tôi thấy rằng việc học của tôi rất lý thuyết.

Tôi đã tự hỏi nếu bất kỳ ai trong số các bạn có một văn bản trong Thống kê ứng dụng (ở cấp độ sau đại học) mà bạn đề xuất hoặc đã có kinh nghiệm tốt.

Một số cuốn sách rất hay: "Thống kê cho những người thử nghiệm: Thiết kế, đổi mới và khám phá, tái bản lần thứ 2" của Box, Hunter & Hunter. Đây chính thức là một văn bản giới thiệu (nhiều hơn cho người hóa học & kỹ thuật) nhưng cực kỳ tốt về mặt ứng dụng.

"Phân tích dữ liệu bằng mô hình hồi quy và đa cấp / phân cấp" của Andrew Gelman và Jennifer Hill. Rất tốt về ứng dụng mô hình hồi quy.

"Các yếu tố của học thống kê: Khai thác dữ liệu, suy luận và dự đoán, ấn bản thứ hai" (Sê-ri Springer về thống kê) Phiên bản sửa lỗi lần 2 (2009) của Hastie Trevor, Tibshirani Robert & Friedman Jerome. Nhiều lý thuyết hơn hai cái đầu tiên trong danh sách của tôi, nhưng cũng cực kỳ tốt về các ứng dụng và ứng dụng. - Phiên bản phát hành PDF

"Giới thiệu về học thống kê" (sê-ri Springer về thống kê) lần thứ 6 (2015) của Gareth James, Daniela Witten, Trevor Hastie và Robert Tibshirani - Phiên bản phát hành PDF

Làm việc theo cách của bạn thông qua ba cuốn sách này sẽ cung cấp một cơ sở rất tốt cho các ứng dụng.

Harrell (2001), Chiến lược mô hình hồi quy được phân biệt bởi

• bao gồm mô hình hóa từ đầu đến cuối kết thúc, vì vậy việc giảm dữ liệu, loại bỏ các giá trị còn thiếu và xác thực mô hình là một trong những chủ đề được bao gồm
• nhấn mạnh vào việc giải thích làm thế nào để sử dụng các phương pháp khác nhau ở các giai đoạn khác nhau
• các ví dụ được xử lý triệt để (mã & S-Plus / R) chiếm nhiều sách

Ngoài những thứ đó, Kinh tế lượng giới thiệu: Cách tiếp cận hiện đại của Wooldrige có khá nhiều thứ bạn có thể muốn biết về hồi quy, ở cấp đại học nâng cao.

chỉnh sửa: nếu bạn đang đối phó với kết quả phân loại, Hastie et al là không thể thiếu. Ngoài ra, Phân tích dữ liệu phân loại của Agresti là một cách tiếp cận cổ điển tốt, trái ngược với phương pháp học máy của Hastie et al.

Phân tích dữ liệu Bayesian phiên bản thứ ba (2013) của Gelman et al. Mức độ là hỗn hợp nhưng điều trị tôi thấy tốt đến mức có thể nhận được thứ gì đó có giá trị từ hầu hết các chương. Nếu bạn quan tâm đến việc áp dụng các phương pháp nguyên tắc, tôi sẽ giới thiệu cuốn sách này.

Tôi đã nhận được rất nhiều sử dụng trong Sổ tay về các thủ tục thống kê tham số và không tham số của Sheskin . Đó là một cuộc khảo sát rộng rãi về các phương pháp kiểm tra giả thuyết, với những lời giới thiệu tốt về lý thuyết và hàng tấn ghi chú về sự tinh tế của mỗi phương pháp. Bạn có thể thấy TOC tại trang web của nhà xuất bản (được liên kết ở trên).

Chiến lược mô hình hồi quy của Frank Harrell, là một cuốn sách tuyệt vời nếu bạn đã biết một số điều cơ bản. Nó tập trung nhiều vào các ứng dụng (rất nhiều ví dụ với mã), chỉ định mô hình, chẩn đoán mô hình, xử lý các cạm bẫy phổ biến và tránh các phương pháp có vấn đề.

Tôi đã sử dụng "Thống kê kỹ thuật" của Montgomery và Runger. Nó khá tốt (đặc biệt nếu bạn có nền tảng toán học mạnh). Tôi cũng khuyên bạn nên kiểm tra khóa học Machine Learning trực tuyến của CalTech. Thật tuyệt khi giới thiệu về Khái niệm ML (nếu đó là một phần trong phân tích dữ liệu của bạn). https://work.caltech.edu/telecference.html .

Tôi đã viết cuốn sách Mô hình hồi quy phi tuyến cho các ứng dụng kỹ thuật: Mô hình hóa, xác thực mô hình và cho phép thiết kế thử nghiệm, Wiley, New York, NY, tháng 9, 2016. ISBN Thẻ18597965, Rhinehart, RR vì tôi cảm thấy cần thiết như vậy. Cuốn sách này có 361 trang và có một trang web đồng hành với các giải pháp mã mở Excel / VBA cho nhiều kỹ thuật. Truy cập www.r3eda.com.

Trình tự phương pháp hồi quy cấp cao nhất của chương trình UW Stat Tiến sĩ sử dụng "Phương pháp hồi quy Bayesian và thường xuyên" của Wakefield, đây là một lựa chọn đặc biệt tốt cho những người như bạn đã xem nhiều thống kê toán học. Nó đưa ra nhiều viễn cảnh hơn hầu hết các cuốn sách về ngay cả những phương pháp được áp dụng đơn giản nhất vì nó thúc đẩy rất nhiều toán học.

Tôi đã sử dụng số liệu thống kê đại học Made Easy của Sean Connolly. Nó là nhằm vào một khóa học đầu tiên / thứ hai trong thống kê. Các tài liệu rất, rất dễ làm theo. Tôi đã thử một vài cuốn sách và không có cuốn sách nào so sánh với điều này.