Haben Sie Empfehlungen für Bücher zum Autodidakt in Angewandter Statistik für Hochschulabsolventen?

Ich habe mehrere Statistikkurse am College besucht, aber meine Ausbildung war sehr theoretisch.

Ich habe mich gefragt, ob einer von Ihnen einen Text in Angewandter Statistik (mit Abschluss) hat, den Sie empfehlen oder mit dem Sie gute Erfahrungen gemacht haben.

Einige sehr gute Bücher: "Statistik für Experimentatoren: Design, Innovation und Entdeckung, 2. Auflage" von Box, Hunter & Hunter. Dies ist formal ein Einführungstext (eher für Chemiker und Ingenieure), aber auf der angewandten Seite sehr gut.

"Datenanalyse mit Regression und mehrstufigen / hierarchischen Modellen" von Andrew Gelman & Jennifer Hill. Sehr gut bei Anwendung der Regressionsmodellierung.

"Die Elemente des statistischen Lernens: Data Mining, Inferenz und Vorhersage, zweite Ausgabe" (Springer-Reihe in Statistik) 2. (2009) Korrigierte Ausgabe von Hastie Trevor, Tibshirani Robert & Friedman Jerome. Theoretischer als die beiden ersten in meiner Liste, aber auch extrem gut in Bezug auf das Warum und Wenn von Anwendungen. - PDF freigegebene Version

"Eine Einführung in das statistische Lernen" (Springer-Reihe in Statistik) 6. (2015) von Gareth James, Daniela Witten, Trevor Hastie und Robert Tibshirani - PDF-Version

Das Durcharbeiten dieser drei Bücher sollte eine sehr gute Grundlage für Bewerbungen bieten.

Harrell (2001), Regression Modeling Strategies, zeichnet sich aus durch

• Die Modellierung wird von Anfang bis Ende abgedeckt. Daher gehören Datenreduzierung, Anrechnung fehlender Werte und Modellvalidierung zu den behandelten Themen
• ein Schwerpunkt auf der Erklärung, wie verschiedene Methoden in verschiedenen Stadien angewendet werden
• gründlich ausgearbeitete Beispiele (& S-Plus / R-Code), die einen Großteil des Buches ausmachen

Darüber hinaus bietet Introductory Econometrics: A Modern Approach von Wooldrige so ziemlich alles, was Sie jemals über Regression wissen möchten, und zwar für fortgeschrittene Studenten.

Bearbeiten: Wenn Sie mit kategorialen Ergebnissen zu tun haben, sind Hastie et al. unverzichtbar. Auch kategorische Datenanalyse von Agresti ist ein guter klassischer Ansatz, im Gegensatz zu Hastie et al Maschine Lernansatz.

Bayesian Data Analysis, dritte Auflage (2013) von Gelman et al. Das Niveau ist gemischt, aber die Behandlung finde ich so gut, dass aus den meisten Kapiteln etwas Wertvolles zu holen ist. Wenn Sie an einer prinzipiellen Anwendung von Methoden interessiert sind, würde ich dieses Buch empfehlen.

Ich habe viel Gebrauch von Sheskins Handbuch für parametrische und nichtparametrische statistische Verfahren gemacht . Es ist ein umfassender Überblick über Methoden zum Testen von Hypothesen, mit guten Einführungen in die Theorie und Tonnen von Anmerkungen zu den Feinheiten der einzelnen. Das Inhaltsverzeichnis finden Sie auf der Website des Herausgebers (oben verlinkt).

Regressionsmodellierungsstrategien von Frank Harrell, ist ein großartiges Buch, wenn Sie bereits einige Grundlagen kennen. Es konzentriert sich stark auf Anwendungen (viele Beispiele mit Code), die Spezifizierung von Modellen, die Diagnose von Modellen, den Umgang mit häufigen Fallstricken und die Vermeidung problematischer Methoden.

Ich habe "Engineering Statistics" von Montgomery und Runger verwendet. Es ist ziemlich gut (besonders wenn Sie einen starken mathematischen Hintergrund haben). Ich würde auch sehr empfehlen, CalTechs Online-Kurs für maschinelles Lernen zu besuchen. Es ist ideal für eine Einführung in ML Concepts (wenn dies Teil Ihrer Datenanalyse ist). https://work.caltech.edu/telecourse.html .

Ich schrieb das Buch Nichtlineare Regressionsmodellierung für technische Anwendungen: Modellierung, Modellvalidierung und Ermöglichung der Versuchsplanung, Wiley, New York, NY, September 2016. ISBN 9781118597965, Rhinehart, RR, weil ich ein solches Bedürfnis erkannte. Das Buch hat 361 Seiten und eine zugehörige Website mit Excel / VBA-Open-Code-Lösungen für viele der Techniken. Besuchen Sie www.r3eda.com.

Die Regressionsmethoden-Sequenz der höchsten Ebene des UW Stat PhD-Programms verwendet Wakefields "Bayesian and Frequentist Regression Methods" , eine besonders gute Wahl für Leute wie Sie, die viele mathematische Statistiken gesehen haben. Es bietet viel mehr Perspektiven als die meisten Bücher, selbst wenn es sich um die einfachsten angewandten Methoden handelt, da es so viel Mathematik nutzt.

Ich habe College Statistics Made Easy von Sean Connolly verwendet. Es richtet sich an einen ersten / zweiten Kurs in Statistik. Das Material ist sehr, sehr leicht zu folgen. Ich habe ein paar Bücher ausprobiert und keines ist damit vergleichbar.