Was ist das einflussreichste Buch, das jeder Statistiker lesen sollte?

Wenn Sie in die Vergangenheit reisen und sich sagen könnten, dass Sie zu Beginn Ihrer Karriere als Statistiker ein bestimmtes Buch lesen sollten, welches wäre das?

Hier sind zwei auf die Liste zu setzen:

Tufte. Die visuelle Anzeige von quantitativen Informationen
Tukey. Explorative Datenanalyse

Die Elemente des statistischen Lernens von Hastie, Tibshirani und Friedman ( http://www-stat.stanford.edu/~tibs/ElemStatLearn/) sollten sich in der Bibliothek eines jeden Statistikers befinden!

Ich bin kein Statistiker, und ich habe nicht so viel zu diesem Thema gelesen, aber vielleicht

Lady Tasting Tea: Wie die Statistik die Wissenschaft im 20. Jahrhundert revolutionierte

sollte erwähnt werden? Es ist kein Lehrbuch, aber trotzdem lesenswert.

Wahrscheinlichkeitstheorie: Die Logik der Wissenschaft

Darrell Huff - Wie man mit Statistiken lügt

Kein Buch, aber ich habe kürzlich einen Artikel von Jacob Cohen im amerikanischen Psychologen mit dem Titel "Dinge, die ich (bisher) gelernt habe" entdeckt. Es ist als PDF verfügbar hier .

Vor langer Zeit löste Jack Kiefers kleine Monographie "Introduction to Statistical Inference" das Geheimnis vieler klassischer Statistiken und half mir, mit dem Rest der Literatur zu beginnen. Ich beziehe mich immer noch darauf und empfehle es starken Schülern in Statistikkursen des zweiten Jahres wärmstens.

Ich würde nicht argumentieren, dass eines dieser Bücher als "das einflussreichste Buch ... für Statistiker" angesehen werden sollte, aber für diejenigen, die gerade erst anfangen, sich mit dem Thema vertraut zu machen, sind zwei hilfreiche Bücher:

1. Robert Abelson, Statistik als prinzipielles Argument
2. Paul Murrell, Einführung in die Datentechnologie

William Clevelands Buch "The Elements of Graphing Data" oder sein Buch "Visualizing Data"

Ich denke, jeder Statistiker sollte Stiglers Die Geschichte der Statistik: Die Messung der Unsicherheit vor 1900 lesen

Es ist schön geschrieben, gründlich und es ist nicht die Perspektive eines Historikers, sondern eines Mathematikers, daher werden die technischen Details nicht vermieden.

Ich sage die visuelle Anzeige von quantitativen Informationen von Tufte und Freakonomics für etwas Spaß.

Andrew Gelmans interessante Buchempfehlungen finden Sie hier:

http://thebrowser.com/interviews/andrew-gelman-on-statistics

Neben "The History of Statistics" von Graham ist ein weiteres lesenswertes Stigler-Buch zu lesen

Statistik auf dem Tisch: Die Geschichte der statistischen Konzepte und Methoden

Auf der Seite der Mathematik / Grundlagen: Harald Cramer's Mathematical Methods of Statistics .

Für eine klare Darstellung dessen, was in sozialwissenschaftlichen Zeitschriftenartikeln stehen sollte (Unterstützung beim Schreiben oder bei der Begutachtung durch Fachkollegen), mag ich den Leitfaden für Begutachter zu quantitativen Methoden in den Sozialwissenschaften . Insbesondere gefällt mir die Tabelle desideratra als Synopse des Minimums, das eine Arbeit (Artikel, Diplomarbeit, Dissertation) enthalten sollte. Die Kapitel sind nach Analysetechniken getrennt, was sehr schön ist. Ich denke, das Buch hat eine breitere Anwendung als "nur" die Sozialwissenschaften, da die behandelten Techniken in vielen Bereichen angewendet werden.

Schon sehr früh wurde ich in die Einführung von Ott in statistische Methoden und Datenanalyse eingeführt, die vielleicht nicht Gegenstand dieser Frage ist . Es ist ziemlich teuer, aber es ist eine wunderbare Ressource, um die zugrunde liegenden statistischen Modelle für verschiedene GLM-Methoden zu zeigen. Ich träume von dem Tag, an dem Zeitschriften Artikel enthalten müssen, die die Formel des getesteten statistischen Modells zeigen.

Um die Testannahmen zu überprüfen, die Auswirkungen verschiedener Optionen innerhalb eines Tests zu untersuchen und so weiter, ist dies das Buch, das ich mir während meines Studiums gewünscht hätte . Ich habe die vorherige Ausgabe und es ist eine der besten allgemeinen Ressourcen, die ich gekauft habe, da die Informationen zu den Tests klar und einheitlich angeordnet sind. Es enthält schöne Beispiele, die die Tests veranschaulichen, und erfordert nicht, dass der Leser ein bestimmtes statistisches Paket hat, um den Expositionen zu folgen.

Durch Zufall von Taleb getäuscht

Taleb ist Professor an der Columbia University und Optionshändler. Er machte im Jahr 2008 ungefähr 800 Millionen Dollar mit Wetten gegen den Markt. Er schrieb auch Black Swan. Er diskutiert die Absurdität der Verwendung der Normalverteilung zur Modellierung von Märkten und philosophiert über unsere Fähigkeit, Induktion einzusetzen.

1. Michael Oakes ' Statistical Inference: Ein Kommentar für die Sozial- und Verhaltenswissenschaften .
2. Elazar Pedhazurs multiple Regression in der Verhaltensforschung . Wenn Sie das unermessliche Detail und den selbstbewussten Ton aushalten können.

Falls Sie interessiert sind, habe ich sowohl bei Amazon als auch unter http://www.integrativestatistics.com/favorites.htm nachgesehen

Ich habe die obigen Empfehlungen gelesen und war überrascht, dass die meisten Personen, die die Frage beantworteten, Personen waren, die selbst keine Statistiker sind. Mit 2 oder 3 Ausnahmen ... Als Industriestatistiker, der auch zufällig mit Sozialwissenschaftlern und Angehörigen der Gesundheitsberufe zusammengearbeitet hat, würde ich sagen, wenn ich nur ein Buch auf eine einsame Insel mitnehmen könnte, wäre es George EP Box, Statistics for Experimenters (Wiley). In seinem einzigartigen humorvollen und klaren Stil erklärt er die Essenz und Philosophie des Aufbaus mathematischer Modelle für reale Daten. Strenges Denken, keine mathematischen Frivolitäten, kein Unsinn, lehrt uns, statistisch zu denken, zu zeichnen und zu visualisieren, was immer Sie können. Ein Meisterstück eines kompetenten angewandten Wissenschaftlers (Chemieingenieur zum Statistiker). Immer wieder Spaß beim Lesen.

Reis: Mathematische Statistik und Datenanalyse

Viele gute Bücher wurden bereits vorgeschlagen. Aber noch eines: Gerd Gigerenzers "Rechnen mit dem Risiko", denn es ist wichtiger, zu verstehen, wie Statistiken Entscheidungen beeinflussen, als die ganze Theorie richtig zu machen. Tatsächlich ist die Sünde Nummer eins der Statistiker nicht in der Lage, klar zu kommunizieren. In seinem Buch geht es um die Folgen schlechter Kommunikation und darum, wie man sie vermeidet.

Ich werde weitermachen und ein Standardlehrbuch auf diesem Gebiet vorschlagen. Ich spreche von Wahrscheinlichkeit und Statistik von Degroot und Schervish, die erstmals 1975 veröffentlicht wurden.

Dieses Buch hat vielen Schülern als Lehrbuch gedient und gilt meiner Meinung nach zu Recht als Klassiker. Es behandelt Themen wie Kombinatorik, Verteilungen, Bayes'sche Statistik, Likelihood Inference und Regressionsanalyse. Soweit ich weiß, ist kein anderes Lehrbuch so gründlich, dass ich es für ein Muss halte.

Aus der Bibel der Bayes'schen Statistik habe ich viel gelernt:

Jose Bernardo und Adrian Smith (2000) Bayesianische Theorie.

Der wesentliche Leitfaden für Effektgrößen: Statistische Aussagekraft, Metaanalyse und Interpretation von Forschungsergebnissen von Paul D. Ellis

Dieses Buch ist ein Muss für jeden, der wissenschaftliche Forschungen durchführt, insbesondere solche, die nicht aus reinen Statistiken / Mathematik stammen. Das folgende Buch erweitert das erste in Bezug auf Konfidenzintervalle.

Die neuen Statistiken verstehen: Effektgrößen, Konfidenzintervalle und Metaanalyse durch Geoff Cumming

"Am einflussreichsten" ist ein ganz anderer Begriff als "jeder sollte lesen". Ich bin nicht qualifiziert, die erste Frage zu beantworten - Sie brauchen jemanden, der ein Historiker der Statistik ist -, aber für die zweite Frage sind hier einige:

1. Statistiken als prinzipielles Argument von Robert Abelson sollten von jedem gelesen werden, der Statistiken in den Bereichen Wissenschaft, Geisteswissenschaften usw. erstellt oder verwendet.

2. Die beiden Bücher von William S. Cleveland über Grafik: Die Elemente der grafischen Darstellung von Daten und Visualisierung von Daten . Für Statistiker würde ich diese sogar vor Tuftes Arbeit stellen, weil Tufte sich nicht lohnt, sondern weil a) Cleveland mit Statistikern als Zielgruppe schrieb und b) Cleveland seine Empfehlungen auf experimentellen Daten darüber basierte, wie Menschen Graphen betrachten. eher als Intuition.

3. Explorative Datenanalyse von John Tukey. Es ist veraltet, aber wertvoll - man kann viel mit Bleistift und Papier und einem Gehirn anfangen (zumindest, wenn dein Gehirn so gut ist wie das von Tukey!)

Es wäre wahrscheinlich Bayesian Data Analysis von Gelman oder Deep Learning mit Python . Aber das ist ein bisschen so, als würde man Streptomycin ins Mittelalter bringen. Diese wurden nicht geschrieben, als ich meine Karriere begann, und einige Dinge aus den Büchern wären damals eine große Neuigkeit gewesen. Einige der einflussreichsten Dinge, die jeder wissen sollte, sind jedoch nicht aus einer Hand (vielleicht sollten sie es sein, aber ...).

Kennedys Leitfaden zur Ökonometrie enthält eine Fülle praktischer Ratschläge zu einem breiten Spektrum statistischer Analysen. Es ist irgendwie unglaublich informationsreich und einfach zu lesen, und ich lerne jedes Mal, wenn ich es aufgreife, etwas Neues.

Wooldridges Introductory Econometrics hat ebenfalls eine Menge von dieser Art von Diskussion, aber als einführendes Lehrbuch ist es eigenständiger. Ich wünschte, ich hätte einen Kurs dazu.