Какую самую влиятельную книгу должен прочитать каждый статистик?

Если бы вы могли вернуться в прошлое и сказать себе, что в начале своей карьеры в качестве статистика вы прочитаете конкретную книгу, то какой это будет книга?

Вот два, чтобы поместить в список:

Тафт. Визуальное отображение количественной информации
Tukey. Исследовательский анализ данных

Элементы статистического обучения Хасти, Тибширани и Фридмана http://www-stat.stanford.edu/~tibs/ElemStatLearn/ должны быть в библиотеке любого статистика!

Я не статистика, и я не так много читал по этой теме, но, возможно,

Чай "Леди Дегустация": как статистика революционизировала науку в двадцатом веке

следует упомянуть? Это не учебник, но все же стоит прочитать.

Теория вероятностей: логика науки

Даррелл Хафф - Как лгать со статистикой

Не книга, но я недавно обнаружил статью Джейкоба Коэна в журнале «Американский психолог» под названием «Вещи, которые я выучил (до сих пор)». Это доступно в формате PDF здесь .

Давным-давно небольшая монография Джека Кифера «Введение в статистический вывод» раскрыла тайну большого количества классической статистики и помогла мне начать работу с остальной литературой. Я все еще ссылаюсь на это и горячо рекомендую это сильным студентам на курсах второго курса по статистике.

Я бы не стал утверждать, что любую из них следует считать «самой влиятельной книгой ... [для] статистики [с]», но для тех, кто только начинает изучать эту тему, есть две полезные книги:

1. Роберт Абельсон, Статистика как принципиальный аргумент
2. Пол Меррелл, Введение в информационные технологии

Книга Уильяма Кливленда «Элементы отображения данных» или его книга «Визуализация данных»

Я думаю, что каждый статистик должен прочитать Стиглера « История статистики: измерение неопределенности до 1900 года».

Это красиво написано, тщательно, и это не точка зрения историка, а точка зрения математика, следовательно, он не избегает технических деталей.

Я говорю визуальное отображение количественной информации от Tufte и Freakonomics для чего-то веселого.

Интересные рекомендации Эндрю Гельмана здесь:

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

В дополнение к «Истории статистики», предложенной Грэмом, стоит прочитать еще одну книгу Стиглера:

Статистика в таблице: история статистических концепций и методов

Со стороны математики / основ: математические методы статистики Харальда Крамера .

Для ясного изложения того, что должно быть в статьях журнала социальных наук (помощь, если вы пишете или рецензируете), мне нравится Руководство рецензента по количественным методам в социальных науках . В частности, мне нравится таблица desideratra как краткий обзор минимума, который должна содержать статья (статья, диссертация, диссертация). Главы разделены методом анализа, что приятно. Я думаю, что книга имеет более широкое применение, чем «просто» социальные науки, поскольку описанные методы используются во многих областях.

Довольно рано, поэтому, возможно, не охваченный этим вопросом, я был ознакомлен с введением Отта к статистическим методам и анализу данных . Это довольно дорого, но это прекрасный ресурс, показывающий основные статистические модели для различных методов GLM. Я мечтаю о том дне, когда журналы должны содержать статьи, показывающие формулу проверенной статистической модели.

Для проверки предположений теста, изучения эффектов различных вариантов в тесте и т. Д. Это единственная книга, которую я хотел бы иметь, когда учился . У меня есть предыдущая версия, и это один из лучших общих ресурсов, которые я приобрел, благодаря четкому и последовательному изложению информации о тестах. Он содержит хорошие примеры, иллюстрирующие тест (ы), и не требует, чтобы у читателя был определенный статистический пакет, чтобы следовать изложениям.

Обманутый Случайностью Талебом

Талеб - профессор Колумбийского университета и трейдер опционов. В 2008 году он заработал около 800 миллионов долларов, делая ставки против рынка. Он также написал Черный лебедь. Он обсуждает абсурдность использования нормального распределения для моделирования рынков и философствует о нашей способности использовать индукцию.

1. Статистический вывод Майкла Оукса : комментарий к социальным и поведенческим наукам .
2. Множественная регрессия Элазар Педазур в поведенческих исследованиях . Если вы можете выдержать огромные детали и самоуверенный тон.

Если вам интересно, я ознакомился как на Amazon, так и на http://www.integrativestatistics.com/fabilities.htm.

Я прочитал приведенные выше рекомендации и с удивлением обнаружил, что большинство людей, ответивших на вопрос, были люди, которые сами не являются статистиками. С 2 или 3 исключениями ... Как промышленный статистик, который также работал с социологами и медицинскими работниками, я бы сказал, что если бы я мог взять только одну книгу со мной на необитаемый остров, то это был бы Джордж Бокс, статистик для экспериментаторов. (Wiley). В своем неподражаемом юмористическом и ясном стиле он объясняет суть и философию построения математических моделей для реальных данных. Строгое мышление, никакие математические легкомыслия, никакая чепуха не учит нас мыслить статистически, строить и визуализировать все, что вы можете. Шедевр компетентного прикладного ученого (инженер-химик, ставший статистиком). Всегда весело читать снова.

Райс: математическая статистика и анализ данных

Много хороших книг уже предложено. Но вот другое: «Расчеты с риском» Герда Гигеренцера, потому что понимание того, как статистика влияет на решения, важнее, чем правильная теория. На самом деле грех статистиков номер один не в состоянии ясно общаться. Его книга рассказывает о последствиях плохого общения и о том, как этого избежать.

Я собираюсь пойти дальше и предложить стандартный учебник в этой области. Я говорю о вероятности и статистике Дегрута и Шервиша, впервые опубликованной в 1975 году.

Эта книга послужила учебником для многих студентов и считается классикой, по праву таковой, на мой взгляд. Он охватывает такие темы, как комбинаторика, распределения, байесовская статистика, вероятностный вывод и регрессионный анализ. Насколько я знаю, ни один другой учебник не является настолько тщательным, поэтому я считаю, что это необходимо.

Я многому научился из Библии Байесовской статистики:

Хосе Бернардо и Адриан Смит (2000) Байесовская теория.

Основное руководство по размерам эффектов: статистическая мощь, метаанализ и интерпретация результатов исследований Пол Д. Эллис

Эта книга «обязательна» для всех, кто проводит какие-либо научные исследования, особенно те, которые основаны не на чистой статистике / математике. Книга ниже расширяет первую в отношении доверительных интервалов.

Понимание новой статистики: размеры эффектов, доверительные интервалы и метаанализ Джеффа Камминга

«Самый влиятельный» - это совсем другое понятие, чем «каждый должен читать». Я не квалифицирован, чтобы ответить на первое - вам нужен кто-то, кто является историком статистики - но для второго, вот некоторые:

1. Статистика как принципиальный аргумент Роберта Абельсона должна быть прочитана любым, кто делает или использует статистику для достижения науки, гуманитарных наук и т. Д.

2. Две книги Уильяма С. Кливленда по графике: Элементы графического изображения и Визуализация данных . Для статистиков я бы поставил их перед работой даже Tufte, потому что Tufte не стоит, а потому что a) Кливленд писал со статистиками в качестве целевой аудитории и b) Cleveland основывал свои рекомендации на экспериментальных данных о том, как люди смотрят на графики, а не интуиция.

3. Исследовательский анализ данных Джона Тьюки. Это устаревшее, но ценное - вы можете многое сделать с помощью карандаша, бумаги и мозга (по крайней мере, если ваш мозг так же хорош, как у Тьюки!)

Вероятно, это будет Байесовский анализ данных Гельмана или Deep Learning с Python . Но это немного похоже на прием стрептомицина в средневековье. Они не были написаны, когда я начинал свою карьеру, и многие вещи из книг были бы большими новостями тогда. Хотя некоторые из самых влиятельных вещей, о которых все должны знать, не находятся ни в одном источнике (возможно, они должны быть, но ...)

« Руководство по эконометрике» Кеннеди содержит множество практических советов по широкому спектру статистического анализа. Он невероятно насыщен информацией и легко читается, и я все равно узнаю что-то новое каждый раз, когда поднимаю его.

Вводная эконометрика Вулдриджа также содержит множество подобных обсуждений, но в качестве вводного учебника она более самодостаточна. Хотелось бы, чтобы у меня был курс, основанный на этом.