Kostenlose statistische Lehrbücher

Gibt es kostenlose statistische Lehrbücher?

Online-Bücher enthalten

• http://davidmlane.com/hyperstat/
• http://faculty.vassar.edu/lowry/webtext.html
• http://www.psychstat.missouristate.edu/multibook2/mlt.htm
• http://bookboon.com/uk/student/statistics
• http://www.freebookcentre.net/SpecialCat/Free-Statistics-Books-Download.html

Update: Ich kann jetzt mein eigenes Prognoselehrbuch hinzufügen

• Prognose: Grundsätze und Praxis (Hyndman & Athanasopoulos, 2012)

Die Elemente des statistischen Lernens von Hastie, Tibshirani und Friedman sind ein Standardtext für Statistik und Data Mining und jetzt kostenlos:

https://web.stanford.edu/~hastie/ElemStatLearn/

Auch hier erhältlich .

Einführung in das statistische Denken

Hier gibt es ein großartiges Wahrscheinlichkeitsbuch: http://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/book.html, das Sie auch in gedruckter Form kaufen können .;

Ich habe das Engineering Statistics Handbook oft als nützlich empfunden. Es kann hier gefunden werden .

Obwohl ich es nie selbst gelesen habe, höre ich, dass die Einführung in die Wahrscheinlichkeitsrechnung und Statistik mit R sehr gut ist. Es ist ein komplettes E-Book mit ca. 400 Seiten (auch als aktuelles Buch erhältlich). Als Bonus bringt es dir auch R bei, was du natürlich sowieso lernen möchtest.

Mir gefällt das kleine Handbuch der statistischen Praxis von Gerard E. Dallal sehr gut

Ist hier ein frisches: Einführung in die Wahrscheinlichkeitsrechnung und Statistik R verwenden . Es ist zwar R-spezifisch, aber es ist großartig. Ich habe es noch nicht gelesen, aber es scheint in Ordnung zu sein ...

Maschinelles lernen

• Eines der populärsten , wenn nicht das populärste Lehrbücher zum maschinellen Lernen sind Hastie, Tibshirani und Friedman, The Elements of Statistical Learning , die vollständig online verfügbar sind (derzeit 10. Ausgabe). Der Umfang ist vergleichbar mit Bishop's Pattern Recognition und ML oder Murphy's ML , aber diese Bücher sind nicht kostenlos, während ESL es ist.

• Hastie & Tibshirani auch als Co-Autor frei verfügbar Eine Einführung in die statistische Lernen, mit Anwendungen in R , die im Grunde eine einfachere Version von ist The Elements und konzentriert sich auf R.

• Im Jahr 2015 haben Hastie & Tibshirani ein neues Lehrbuch Statistical Learning with Sparsity mitverfasst: The Lasso and Generalizations , das auch online verfügbar ist. Dieser ist etwas kürzer und konzentriert sich speziell auf Lasso.

• Ein weiteres frei verfügbares, umfassendes Lehrbuch zum maschinellen Lernen ist David Barbers Bayesian Reasoning and Machine Learning . Ich habe es nicht selbst benutzt, aber es wird allgemein als ein ausgezeichnetes Buch angesehen.

$\hskip{5em}$

Wenn Sie jetzt zu spezielleren Themen wechseln, gibt es:

• Rasmussen & Williams Gauß - Prozesse für maschinelles Lernen , das ist das Buch auf Gaußprozesse.

• Mit Spannung erwartete Goodfellow, Bengio und Courville Deep Learning Lehrbuch , das bald von MIT Press veröffentlicht wird. Es ist noch nicht veröffentlicht, aber das Buch ist bereits online verfügbar. Auf der offiziellen Website kann man es im Browser anzeigen, aber nicht herunterladen (gemäß Vereinbarung mit dem Verlag), aber es ist einfach, ein kombiniertes PDF zu finden, z . B. hier auf Github .

• Csaba Szepesvári, Algorithmen für das Reinforcement Learning , ein kurzes Buch über RL. Ein klassisches, viel ausführlicheres, aber etwas veraltetes Lehrbuch ist Sutton & Barto, Reinforcement Learning: Eine Einführung, die auch online frei verfügbar ist, jedoch nur in einem umständlichen HTML-Format.

• Boyd und Vandenberghe, Convex Optimization .

$\hskip{4em}$

Norman Matloff hat ein kostenloses Lehrbuch für Mathematikstudenten geschrieben . Eine Art Nischenmarkt, nehme ich an. Für das, was es wert ist, habe ich es nicht gelesen, aber Matloff hat einen Doktortitel. arbeitet in der mathematischen Statistik für eine Informatikabteilung und hat ein wirklich gutes R-Buch geschrieben, das ich Leuten empfehle, die besser in die nächste Stufe der Programmierung von R einsteigen möchten (im Gegensatz dazu, nur Modelle mit Festfunktionen zu versehen).

OpenIntro Statistics

http://www.openintro.org/stat/textbook.php

Preiswerte Taschenbuchkopien sind auch bei Amazon erhältlich.

Eine neue Sicht der Statistik von Will G. Hopkins ist großartig! Es soll Ihnen helfen zu verstehen, wie Sie die Ergebnisse statistischer Analysen verstehen, nicht wie Sie statistische Theoreme beweisen.

Nicht speziell für Statistiken, aber eine gute Ressource: http://www.reddit.com/r/mathbooks George Cain von Georgia Tech unterhält eine Liste frei verfügbarer mathematischer Texte, die einige statistische Texte enthält. http://people.math.gatech.edu/~cain/textbooks/onlinebooks.html

Ich mag diese beiden Bücher von Daniel McFadden aus Berkeley sehr:

http://elsa.berkeley.edu/users/mcfadden/e240a_sp98/e240a.html

http://elsa.berkeley.edu/users/mcfadden/e240b_f01/e240b.html

Für den Einstieg in stochastische Prozesse und SDEs sind die Vorlesungsskripte von Tom Kurtz kaum zu übertreffen. Es beginnt mit einer anständigen Überprüfung der Wahrscheinlichkeit und einiger Konvergenzergebnisse und geht dann in ziemlich klarer, verständlicher Sprache direkt auf zeitstochastische Prozesse ein. Im Allgemeinen ist es eines der besten Bücher zum Thema - kostenlos oder anderweitig -, die ich gefunden habe.

" Eine Einführung in das statistische Lernen mit Anwendungen in R " http://www-bcf.usc.edu/~gareth/ISL/ von zwei der drei Autoren des bekannten Buches " The Elements of Statistical Learning " und zwei weiteren Autoren . Eine Einführung in das statistische Lernen mit Anwendungen in R wird auf einer einführenden Ebene mit weniger mathematischem Hintergrund als die Elemente des statistischen Lernens geschrieben, verwendet R (im Gegensatz zu den Elementen des statistischen Lernens) und wurde erstmals 2013, einige Jahre, veröffentlicht nachdem dieser thread gestartet wurde.

Einige kostenlose Stats-Lehrbücher sind auch hier erhältlich .

Cosma Shalizi, CMUs ML-Guru, aktualisiert gelegentlich den Entwurf eines Statistikbuchs mit dem Titel Advanced Data Analysis from a Elementary Point of View, das in Kürze von Cambridge Press veröffentlicht wird . Kann es gar nicht genug empfehlen ...

Hier ist das Inhaltsverzeichnis:

I. Regression and Its Generalizations
Regression Basics
The Truth about Linear Regression
Model Evaluation
Smoothing in Regression
Simulation
The Bootstrap
Weighting and Variance
Splines
Additive Models
Testing Regression Specifications
Logistic Regression
Generalized Linear Models and Generalized Additive Models
Classification and Regression Trees 

II. Distributions and Latent Structure
Density Estimation
Relative Distributions and Smooth Tests of Goodness-of-Fit
Principal Components Analysis
Factor Models
Nonlinear Dimensionality Reduction
Mixture Models
Graphical Models 

III. Dependent Data
Time Series
Spatial and Network Data
Simulation-Based Inference 

IV. Causal Inference
Graphical Causal Models
Identifying Causal Effects
Causal Inference from Experiments
Estimating Causal Effects
Discovering Causal Structure 

Appendices
Data-Analysis Problem Sets
Reminders from Linear Algebra
Big O and Little o Notation
Taylor Expansions
Multivariate Distributions
Algebra with Expectations and Variances
Propagation of Error, and Standard Errors for Derived Quantities
Optimization
chi-squared and the Likelihood Ratio Test
Proof of the Gauss-Markov Theorem
Rudimentary Graph Theory
Information Theory
Hypothesis Testing
Writing R Functions
Random Variable Generation

Das Handbuch für elektronische Statistiken von Statsoft ("Die einzige von Encyclopedia Britannica empfohlene Internetquelle für Statistiken") ist einen Besuch wert.

Einige herunterladbare Hinweise zur Wahrscheinlichkeit, die interessant erscheinen: http://www.math.harvard.edu/~knill/teaching/math19b_2011/handouts/chapters1-19.pdf

Angewandte Wahrscheinlichkeit: http://www.acsu.buffalo.edu/~bialas/EAS305/docs/EAS305%20NOTES%202005.pdf

http://www.ma.huji.ac.il/~razk/Teaching/LectureNotes/LectureNotesProbability.pdf

Ich weiß, dass andere Autoren sich Mühe gegeben haben, ihre Bücher hier auf dem Stapel auszutauschen ... Die gedruckte Version unserer Ausgabe von 2002 wurde dreimal gedruckt und dreimal ausverkauft. Springer und Google haben vor kurzem damit begonnen, es (nur Buch) als PDF-eBook (ohne Software) auf den Websites von Springer und Google für 79 US-Dollar zu verkaufen.

Wir freuen uns, die PDF eBook-Version (Ausgabe 2002) KOSTENLOS für StackExchange-Benutzer zur Verfügung stellen zu können:

http://www.mathstatica.com/book/bookcontents.html

Dies ist eine vollständige PDF-Version der gedruckten Originalausgabe von 2002. Obwohl keine Software enthalten ist (weder Mathematica noch mathStatica ), sind die Methoden, Theoreme, Übersichtstabellen, Beispiele, Übungen, Theoreme usw. alle nützlich und relevant ... auch als Referenztext für Leute, die nicht einmal Mathematica haben .

Man kann entweder herunterladen:

• das gesamte Buch als einzelne Download-Datei ... mit klickbarem Inhaltsverzeichnis etc, ... oder

• Kapitel für Kapitel.

iBooks-Installation

So installieren Sie als iBook:

• Laden Sie das gesamte Buch als einzelne PDF-Datei herunter

• Ziehen Sie es dann in iBooks (im Abschnitt: PDF-Dateien).

iPad-Installation

So installieren Sie auf einem iPad:

• Zuerst als iBook installieren (wie oben)

• Öffne iTunes. Wähle dein iPad aus. Klicken Sie auf Bücher: Wählen Sie das Buch aus und synchronisieren Sie es mit Ihrem iPad.

Es ist schön zu sehen, dass Akademiker ihre Werke frei verbreiten. Hier ist eine Fülle kostenloser ML / Stats-Bücher als PDF:

Maschinelles lernen

• Elemente des statistischen Lernens Hastie, Tibshirani, Friedman
• Alle Statistiken Larry Wasserman
• Maschinelles Lernen und Bayesianisches Denken David Barber
• Gaußsche Prozesse für maschinelles Lernen Rasmussen und Williams
• Informationstheorie, Inferenz und Lernalgorithmen David MacKay
• Einführung in maschinelles Lernen Smola und Vishwanathan
• Eine probabilistische Theorie der Mustererkennung Devroye, Gyorfi, Lugosi
• Einführung in Information Retrieval Manning, Rhagavan, Shutze
• Prognose: Grundsätze und Praxis Hyndman, Athanasopoulos (Online-Buch)

Wahrscheinlichkeit / Statistik

• Einführung in das statistische Denken Lavine
• Grundlegende Wahrscheinlichkeitstheorie Robert Ash
• Einführung in die Wahrscheinlichkeit Grinstead und Snell
• Prinzip der Unsicherheit Kadane

Lineare Algebra / Optimierung

• Lineare Algebra, Theorie und Anwendungen Kuttler
• Lineare Algebra Erledigt Falsche Wanderung
• Angewandtes Numerisches Rechnen Vandenberghe
• Angewandte Numerische Lineare Algebra James Demmel
• Convex Optimization Boyd und Vandenberghe

Genetischen Algorithmus

• Ein Leitfaden zur genetischen Programmierung Poli, Langdon, McPhee
• Entwickelt, um Sipper zu gewinnen
• Grundlagen der Metaheuristik Luke

Eine Zusammenstellung von Wahrscheinlichkeitstutorials und verwandten Rätseln sowie R-Code zum Lernen. Ich hoffe es hilft

Nicht wirklich ein ganzes Lehrbuch, aber in Teil IV der Mathematik für Informatik geht es um Wahrscheinlichkeits- und Zufallsvariablen.

http://www.probabilitycourse.com/ ist eine Website, die ein kostenloses online-basiertes Wahrscheinlichkeits- und Statistiklehrbuch enthält. Es hat auch zusätzliche Funktionen wie Grafik-Tools und Vorlesungsvideos

Hier ist auch ein großartiges kostenloses Buch über multivariate Statistiken von Marden, das sich hauptsächlich mit dem normalen linearen Modell befasst, das auf dieser Seite verlinkt ist:

http://istics.net/stat/pages/Statistical%20education/Statistics%20text%20books-%20Free%20and%20not%20free.html

Es ist kein Lehrbuch, aber Bayesian Methods in the Search for the MH370 ist eine großartige Einführung in Partikelfilter.

Ein digitales Lehrbuch über Wahrscheinlichkeit und Statistik von M. Taboga finden Sie unter https://www.statlect.com. Das Niveau ist mittelschwer. Es enthält Hunderte von gelösten Übungen und Beispielen sowie schrittweise Nachweise aller vorgestellten Ergebnisse.