Sách lý thuyết xác suất để tự học

16

Có cuốn sách hay nào giải thích các khái niệm quan trọng của lý thuyết xác suất như hàm phân phối xác suất và hàm phân phối tích lũy không?

Xin vui lòng, tránh tham khảo các cuốn sách như "Thống kê toán học và phân tích dữ liệu" của John Rice bắt đầu bằng các khái niệm hoán vị đơn giản và sau đó, đột nhiên (trong chương 2) có một bước nhảy vọt giả định kiến thức về phân tích thực, tích hợp nhiều và bề mặt và bắt đầu mô tả CDF và PDF và minh họa chúng trong hình 3 chiều. Một bên trái đang gãi đầu về cách mọi thứ được kết nối.

Tôi đang tìm kiếm những cuốn sách tự học và bất kỳ cuốn sách nào cùng thể loại "Giải tích cho người thực hành" sẽ giúp ích rất nhiều.

— VK
nguồn

1

Mức độ tinh tế mà bạn đang tìm kiếm? Bạn đề cập đến Gạo và Giải tích cho Người thực hành . Bạn cũng đề cập đến các khái niệm hoán vị "rất đơn giản", vì vậy bạn phải thoải mái với một số phép toán. Khi bạn nói lý thuyết thống kê , bạn có ý nghĩa gì? Các ví dụ bạn đề cập nhiều hơn trong tĩnh mạch của lý thuyết xác suất cơ bản .

— Đức hồng y

2

Quan điểm của tôi về vấn đề này là bạn có thể học được một lượng lớn lý thuyết xác suất cơ bản chỉ với một nắm bắt tốt về tính toán. Bạn có thể học một lượng thống kê áp dụng (cổ điển) kha khá mà không cần tính toán miễn là bạn sẵn sàng chấp nhận nhiều công thức mà không cần một động lực to lớn. Thật không may, thật khó để đi quá sâu vào lý thuyết thống kê (theo tôi hiểu thuật ngữ đó) mà không có lý thuyết xác suất cơ bản và sự quen thuộc lớn hơn với phép tính.

— Đức hồng y

Cảm ơn Đức Hồng Y. Tôi hiểu rằng tôi không thể đi xa trong lý thuyết thống kê nếu không có kiến thức tốt về Giải tích và tôi không tìm kiếm một văn bản phi toán học ở đây. Vấn đề tôi tìm thấy với cuốn sách của Rice là nó có một bước nhảy đột ngột và tôi không biết mình nên biết hay biết gì để hiểu tài liệu này. Mặt khác, "Người thực hành" từ từ xây dựng các khái niệm từ các khối cơ bản và đôi khi nhắc lại chúng. Loạt bài sau đã cho tôi thấy các mối quan hệ trong Toán học và tôi khiến tôi tự hỏi tại sao tôi lại sợ Giải tích quá lâu.

— VKs

5

Cảm ơn phản hồi đó. Nếu bạn đang tìm kiếm một cái gì đó giống như văn bản của Rice, nhưng "tốt hơn", sở thích cá nhân của tôi là Tâm trạng, Graybill và Boes, Giới thiệu về lý thuyết thống kê , tái bản lần 3, 1974. Nó đã không còn xuất bản nữa và vì vậy có thể tốn kém để có được một nắm giữ. Đó cũng là một cuốn sách cao cấp hơn một chút, thậm chí sau đó một số đối thủ cạnh tranh hiện đại hơn như Casella & Berger. Ở mức nào, tôi thấy văn bản rất rõ ràng; nó di chuyển với tốc độ phù hợp, nói chung, và có các ví dụ và bài tập tuyệt vời. Sử dụng một cuốn sách xác suất cơ bản như Ross's có lẽ sẽ tốt như một phần bổ sung.

— Đức hồng y

Nếu bạn cũng quan tâm đến các bài giảng trực tuyến, hãy thử coursera.org/cference/probability hoặc nhiều " mathy " hơn: youtube.com/watch?v=KbB0FjPg0mw

— Tim

3

Tôi đề nghị Head First Statistics . Sê-ri 'Head First' có chất lượng giáo khoa vượt trội và thú vị để đọc. Nó có rất nhiều bài tập, và là một trong số ít những cuốn sách tôi thích làm bài tập. http://www.amazon.com/Head-First-Statistic-Dawn-Griffiths/dp/0596527586

— Roland Kofler
nguồn

2

Bất kỳ cuốn sách nào trong sê-ri này đều gây ra sự xao lãng đến mức đối với tôi nó là không đi, bất kể đó là toán học, lập trình hay chơi guitar. Nhưng, OP MMV.

— greenoldman

2

Tôi đã tìm kiếm cùng một tuần trước. Tôi tìm thấy từ một bài viết khác stackexchangevề cuốn sách này Intuitive biostatistics: A Nonmathematical Guide to Statistical Thinkingcủa Harvey Motulsky . Tôi nghĩ rằng phần thứ hai của tiêu đề là khá khập khiễng. Nhưng nói chung tôi có / không có vấn đề gì trong việc hiểu toán, nhưng không tìm thấy ai trong số họ giải thích các khái niệm đủ rõ ràng cho tôi. Tôi chỉ đặt hàng cuốn sách này dựa trên các đánh giá, vì vậy tôi chưa thể đưa ra ý kiến về nó. Đã có những đánh giá tốt trên amazon và trên stackexchange (mặc dù nhiều người thích phiên bản thứ 1 đến thứ 2). Nếu bạn đang tìm kiếm thứ gì đó hoàn toàn khác biệt, điều này có thể khiến bạn quan tâm.

— Arun
nguồn

Tôi cũng rất khuyến khích.

— Michael Lew

2

Cuốn sách của Schaeffer từ báo chí Duxbury có vẻ ổn. Những cuốn sách của Sheldon Ross luôn tuyệt vời. Lưu ý, đây là cả hai cuốn sách về Xác suất, không phải số liệu thống kê, đó là những gì bạn đã hỏi.

— Ađam
nguồn

2

Tôi thực sự muốn giới thiệu Nguyên tắc Thống kê của Bulmer như một điểm khởi đầu. Đó là một liên lạc ngày, nhưng nó ngắn, rõ ràng và có sẵn trong một phiên bản Dover giá rẻ - khoảng $ 10 từ Amazon. Đối với một cuốn sách thống kê hiện đại và hiện đại hơn, tôi đề nghị "Tất cả các số liệu thống kê" của Wasserman . Tôi đã nhận được nó một vài tháng trước và đó là một cuộc khảo sát tốt về mọi thứ - Tôi đã không đọc một vài chương đầu tiên một cách chi tiết nhưng có vẻ ổn khi đọc lướt qua. Tôi thích một số lời khuyên thực tế sẽ hữu ích trong bối cảnh tự học - ví dụ: "Không thiên vị được sử dụng để nhận được nhiều sự chú ý nhưng những ngày này được coi là ít quan trọng hơn".

Nhưng điều này là giả sử bạn muốn có một văn bản thống kê thực tế bao gồm một số xác suất thay vì một văn bản lý thuyết xác suất. Đối với lý thuyết xác suất, tôi khuyên bạn nên đọc nhiều về lý thuyết đo lường và đánh vào điều gì đó về tích hợp Lebegue trước - nhưng điều này không giống như bạn đang ở đâu.

— Patrick Caldon
nguồn

1

Tôi đã sử dụng cuốn sách của Wassermann để bổ sung cho cuốn chính thức mà mọi người hướng dẫn khác trong lớp "Giới thiệu về chỉ số kỹ sư" gồm mười phần bắt buộc phải sử dụng và thích nó tốt hơn so với sách giáo khoa bắt buộc. Nó lướt qua các số liệu thống kê với một tốc độ đáng kinh ngạc bằng cách bỏ qua tất cả các bằng chứng, với hy vọng rằng một học sinh am hiểu toán học sẽ nhìn xuyên qua nó, hoặc tham khảo các cuốn sách khắt khe hơn.

— StasK

1

https://www.crcpress.com/Intributiontion-to-Probability/Blitzstein-Hwang/p/book/9781466575578 - Giới thiệu Xác suất

Tôi không có kinh nghiệm về xác suất trước đây; đây là một cuốn sách hay giải thích các phân phối xác suất cơ bản với bối cảnh thúc đẩy. Bắt đầu với các biến ngẫu nhiên rời rạc và chuyển sang liên tục, điều này tốt cho người mới bắt đầu. Xây dựng nền tảng của bạn lên để bạn có thể giải quyết các chủ đề nâng cao hơn trong tương lai.

— hớt bọt
nguồn