Lựa chọn giữa các số liệu thống kê của Cameron bởi Freedman và các cộng sự, và các mô hình thống kê về mối quan hệ: Lý thuyết và thực hành của Freedman

Tôi không phải là một nhà thống kê, nhưng tôi rất quan tâm đến số liệu thống kê và tôi muốn mua một cuốn sách để giữ làm tài liệu tham khảo. Tôi có một vài cuốn sách về các chủ đề cụ thể (chẳng hạn như Các yếu tố của học thống kê cho học máy hoặc Phân tích dữ liệu Bayes cho ... tốt, Phân tích dữ liệu Bayes :) Tôi cũng đang tìm một cuốn sách chung chung hơn.

Sách của Freedman thường được xem xét kỹ ở đây:

Đề xuất sách thống kê nâng cao

Cuốn sách nào bạn muốn giới thiệu cho các nhà khoa học phi thống kê?

Thống kê của Freedman, Pisani và Purves (A) là câu trả lời được lựa chọn cho câu hỏi sau, và tôi sẽ mua nó. Tuy nhiên, tôi đã tìm hiểu về Mô hình thống kê: Lý thuyết và thực hành (B). Hai cuốn sách có vẻ giống nhau (đối với những gì tôi có thể nói: Amazon hạn chế tôi ngay cả khi đọc các ToC đầy đủ ... Tôi không biết tại sao). Ngày xuất bản rất gần. Tuy nhiên:

• B rẻ hơn đáng kể. Tuy nhiên, tôi có thể sử dụng A, vì vậy nếu A rõ ràng tốt hơn B, tôi sẵn sàng đi tìm A.
• A dài hơn, nhưng dường như với tôi rằng các chương chính bị thiếu trong B có liên quan đến xác suất. Tôi không cần phần đó, vì vậy nếu đó là sự khác biệt duy nhất hoặc sự khác biệt chính, tôi muốn mua B rẻ hơn và dễ vận chuyển hơn :)

Cuốn sách nào bạn muốn đề nghị tôi mua?

Chúng khá khác nhau.

(A) rõ ràng là giới thiệu (nhưng theo nhiều cách không phải là sơ cấp). Điều đó có vẻ mâu thuẫn: có lẽ thật công bằng khi nói rằng (A) giả định rằng những người đọc thông minh sẵn sàng suy nghĩ kỹ, nhưng không có kiến ​​thức về thống kê trước đây. Không có mánh lới quảng cáo như ảnh màu của những người hạnh phúc, các loại hộp với các tài liệu bổ sung hoặc các câu chuyện thô lỗ dựa trên kinh nghiệm hoang dã của tác giả hoặc trí tưởng tượng quá mức. (Tôi ám chỉ mà không tham khảo một số lựa chọn thay thế kinh khủng hơn trên thị trường.) Một học sinh trung học thông minh hoặc bất cứ ai nhớ hầu hết toán học trung học của họ sẽ thấy nó bổ ích, cũng như thị trường đại học rõ ràng hơn.

(B) là một văn bản thứ hai và sẽ khó khăn cho những ai không tìm thấy nội dung của (A) quen thuộc. Tôi muốn nói (B) phụ thuộc vào độc giả đã gặp hầu hết các tài liệu ít nhất một lần trước đây, bởi vì nhiều lời giải thích được súc tích khéo léo nhưng cũng không kém phần cô đọng. Tôi muốn nói rằng nó thực sự dành cho các nhà nghiên cứu, sinh viên năm cuối tối thiểu chuẩn bị một bài luận văn hoặc nghiên cứu. Nó cũng được nhiều người quan tâm hơn, điều mà bạn sẽ yêu thích hoặc không thích tùy theo bạn có đồng ý với Freedman hay không, những người có tiêu chuẩn cao thường loại trừ hầu hết mọi công việc của người khác.

Tôi đọc lại (A) với lợi nhuận và niềm vui vài năm một lần và đã làm như vậy kể từ phiên bản đầu tiên (với việc lướt qua và bỏ qua).

Tiết lộ: Tôi cũng không phải là một nhà thống kê; tôi cũng không bao giờ tham gia các khóa học được dạy bởi các nhà thống kê.

Tôi là một nhà thống kê, đã dạy nó trong 40 năm, chủ yếu cho các nhà sinh học. Câu trả lời của Nick Cox ở trên đã chết. Theo tôi, "FPP" vẫn là cuốn sách giới thiệu tốt nhất về thống kê. Nhấn mạnh vào các khái niệm, các ví dụ tuyệt vời (mặc dù tôi muốn nhiều hơn là từ sinh học!) Và các ví dụ phản tác dụng (cho thấy "điều hiển nhiên" đôi khi có thể sai) và các bài tập. Nó dễ đọc, nhưng điều này có thể là lừa dối: bạn phải suy nghĩ. "Mô hình thống kê" (Freedman) là một cuốn sách khóa học thứ hai hoặc thứ ba. Nó cũng rất khái niệm. Bạn có thể muốn có một cuốn sách tiêu chuẩn hơn để tìm hiểu những điều cơ bản về phương pháp bình phương tối thiểu (hồi quy, anova, v.v.). Freedman quan tâm nhiều hơn về thời điểm các mô hình được chứng minh (thường là xấp xỉ tốt với "sự thật") và khi nào thì không. Bây giờ rất quan trọng khi bạn có thể chạy các mô hình rất phức tạp ít hơn một lần nhấn nút, nhưng không có nhiều ý tưởng về những gì bạn giả định hoặc kết quả có ý nghĩa gì. Cuốn sách của Davison cũng rất xuất sắc, nhưng kỹ thuật và thực tế hơn: nó mô tả các mô hình tiêu chuẩn quan trọng nhất (và một số ít tiêu chuẩn hơn) trong nhiều lĩnh vực và chỉ ra các cách để phân tích chúng.