Выбор между «Статистикой» Фридмана и др. И «Статистическими моделями: теория и практика» Фридмана

Я не статистика, но я очень заинтересован в статистике, и я хотел бы купить книгу, чтобы сохранить в качестве справки. У меня есть несколько книг по конкретным предметам (например, «Элементы статистического обучения для машинного обучения» или « Байесовский анализ данных» для… ну, «Байесовский анализ данных»). Я также искал более общую книгу.

Книги Фридмана часто хорошо продуманы здесь:

Расширенные рекомендации по статистике книг

Какую книгу вы бы порекомендовали ученым, не занимающимся статистикой?

Статистика Фридмана, Пизани и Пурвеса (А) является избранным ответом на последний вопрос, и я собирался его купить. Однако я узнал о статистических моделях: теория и практика (B). Две книги кажутся похожими (что я могу сказать: Amazon ограничивает меня даже от чтения полных ToCs ... Я не знаю почему). Даты публикации очень близки. Тем не мение:

• Б значительно дешевле. Я мог бы привыкнуть к A, поэтому, если A явно лучше, чем B, я готов пойти на A.
• A длиннее, но мне кажется, что основные главы, отсутствующие в B, связаны с вероятностью. Мне эта часть не нужна, поэтому, если это единственное или главное отличие, я бы лучше купил более дешевый и более транспортабельный B :)

Какую книгу вы бы мне посоветовали купить?

Они совсем другие.

(A) явно вводный (но во многих отношениях не элементарный). Это может показаться противоречивым: возможно, справедливо будет сказать, что (A) предполагает умных читателей, готовых серьезно подумать, но не обладающих предыдущими знаниями в области статистики. Здесь нет таких уловок, как цветные фотографии счастливых людей, коробки разных видов с дополнительными материалами или грубые истории, основанные на диких переживаниях автора или чрезмерно плодородном воображении. (Я намекаю без ссылок на некоторые из наиболее ужасных альтернатив на рынке.) Умный ученик старшей школы или любой, кто помнит большую часть своей математики в старшей школе, найдет это полезным, а также более очевидный рынок студентов.

(B) - это скорее второй текст, и он будет непростым делом для тех, кто не находит содержание (A) знакомым. Я бы сказал, что (B) зависит от читателей, которые хотя бы один раз сталкивались с большей частью материала, потому что многие объяснения умны лаконичны, но в равной степени скорее сжаты. Я бы сказал, что это действительно для исследователей, как минимум выпускников последнего курса, готовящих диссертацию или исследовательскую работу. Это также более самоуверенный, который вы будете любить или ненавидеть в зависимости от того, согласны ли вы с Фридманом, чьи высокие стандарты часто исключали работу кого-либо еще.

Я перечитываю (A) с пользой и удовольствием каждые несколько лет и делаю это с первого издания (с скиммингом и пропуском).

Раскрытие информации: я тоже не статистика; и я никогда не посещал курсы, которые преподают статистики.

Сплетня: Биография Джона Тьюки (см. Здесь для деталей и обзора) дважды включает недокументированную историю, которую Дэвид Фридман, будучи аспирантом в Принстоне, действительно не мог ужиться с иногда эллиптическим и неуловимым стилем обучения Тьюки. Заманчиво предположить, что это могло быть основной причиной, по которой (А) избегает рамочных участков и тукейских поисковых методов в целом.

Я статистик, преподавал 40 лет, в основном биологам. Ответ Ника Кокса выше мертв. По моему мнению, «FPP» до сих пор является лучшей вводной книгой по статистике. Сильный акцент на концепции, отличные примеры (хотя я бы хотел, чтобы больше было из биологии!) И контрпримеры (показывающие, как «очевидное» иногда может быть ошибочным) и упражнения. Это легко читать, но это может быть обманчиво: вы должны думать. «Статистические модели» (Фридман) - книга второго или третьего курса. Это также очень концептуально. Возможно, вы захотите более стандартную книгу для изучения основ методов наименьших квадратов (регрессия, анова и т. Д.). Фридман больше заботится о том, когда модели оправданы (обычно в качестве хороших приближений к «истине»), а когда нет. Очень важно сейчас, когда вы можете запускать очень сложные модели чуть больше, чем нажатием кнопки, но не имеете большого представления о том, что вы предполагали или что означают результаты. Книга Дэвисона также превосходна, но более техническа и практична: она описывает наиболее важные стандартные модели (и некоторые менее стандартные) в различных областях и показывает способы их анализа.