Il existe plusieurs discussions sur ce site pour des recommandations de livres sur les statistiques d’introduction et l’apprentissage automatique, mais je cherche un texte sur les statistiques avancées, comprenant, par ordre de priorité: maximum de vraisemblance, modèles linéaires généralisés, analyse en composantes principales, modèles non linéaires . J'ai essayé les modèles statistiques de AC Davison, mais franchement, je devais le noter après 2 chapitres. Le texte est encyclopédique dans sa couverture et ses traitements mathématiques, mais, en tant que praticien, j'aime aborder les sujets en comprenant d'abord l'intuition, puis en explorant l'arrière-plan mathématique.
Ce sont des textes que je considère remarquables pour leur valeur pédagogique. J'aimerais trouver un équivalent pour les matières plus avancées que j'ai mentionnées.
- Statistiques , D. Freedman, R. Pisani, R. Purves.
- Prévisions: méthodes et applications , R. Hyndman et al.
- Régression multiple et au-delà , TZ Keith
- Application de techniques statistiques contemporaines , Rand R. Wilcox
- Introduction à l'apprentissage statistique avec applications en R - (Version PDF publiée) , Gareth James, Daniela Witten, Trevor Hastie et Robert Tibshirani
- Les éléments de l’apprentissage statistique: exploration de données, inférence et prédiction. - (Version PDF publiée) , Hastie, Tibshirani et Friedman (2009)
la source
Réponses:
Probabilité maximale: En toute probabilité (Pawitan). Livre moyennement clair et le plus clair (IMO) en ce qui concerne les livres traitant uniquement de la probabilité. A aussi le code R.
GLM: Une analyse catégorique des données (Agresti, 2002) est l’un des ouvrages de statistiques les mieux écrits que j’ai lus (le code R est également disponible). Ce texte aidera également avec un maximum de vraisemblance. La troisième édition paraîtra dans quelques mois.
Deuxième sur ma liste pour les deux ci-dessus est la modélisation des données binaires de Collett .
PCA: Je trouve que l'écriture de Rencher est claire dans Methods of multivariate analysis . Ceci est un texte de niveau supérieur, mais il est introductif.
la source
Quelques livres sur l'estimation de vraisemblance
* Pawittan, selon toute vraisemblance: Modélisation statistique et inférence à l'aide de la vraisemblance .
* Severini, Méthodes de vraisemblance en statistiques .
la source
À mon avis, pour vos besoins, le meilleur livre sur les modèles linéaires généralisés est probablement:
Il y a d'autres livres qui pourraient être considérés comme meilleurs, mais je suppose que cela plairait moins à un pratiquant qui préférerait éviter les mathématiques denses:
convient aux praticiens, mais elle est plus dense
est, je l'entends (je ne l'ai jamais essayée), la bible pour cela, mais demande une sophistication mathématique considérable
est possible de passer à travers, mais reste assez dense mathématiquement, OMI
En ce qui concerne vos autres sujets, je crains de ne pas connaître de livres pour eux, mais d’autres peuvent peut-être faire des recommandations.
la source
Je ne suis pas sûr que ce soit au niveau que vous recherchez, mais quelques livres que j'ai trouvés utiles-
GLMs - McCullagh et Nelder est le livre canonique
PCA - Guide de l’utilisateur des composants principaux - malgré le titre, il approfondit le sujet
la source
Les livres de modèles non linéaires que j'aime et sur lesquels je me fie sont (1) Bates et Watts et (2) Gallant . Les deux sont publiés par Wiley.
la source
J'aime beaucoup les livres de Larry Wasserman "All of Statistics" et "All of Nonparametric Statistics". Ils sont très lisibles et couvrent beaucoup de terrain rapidement.
la source
Pour l'analyse bayésienne (y compris l'analyse imprécise), je vais mettre de gros bouchons pour:
Bernardo, JM et Smith, AFM (2000) théorie bayésienne . Wiley: Chichester.
Gelman, A. et al. (2013) Bayesian Data Analysis (Troisième édition) . CRC Press: Boca Raton.
Walley, P. (1990) Raisonnement statistique avec des probabilités imprécises . Chapman et Hall.
Ce dernier livre, écrit par le brillant Peter Walley, est une révélation des différentes manières de réaliser une analyse de sensibilité et du fait que cela peut être intégré à la théorie des probabilités à un niveau axiomatique.
la source
Mehta (2014) Statistical Topics (ISBN: 978-1499273533) est un bon récit de statistiques de niveau intermédiaire. Ne couvre cependant pas beaucoup de sujets que vous avez mentionnés ci-dessus.
la source
Un livre d'introduction aux statistiques très simple est "Découvrez les statistiques en utilisant R" d'Andy Field - également disponible pour SPSS. Il contient de nombreux exemples intéressants et est même amusant à lire. Moins précis, bien que comparé à d’autres livres, mais avec très peu de formulations mathématiques et beaucoup de texte. Je l'ai trouvé facile pour un début de base, et l'utilise encore de temps en temps.
la source