Die Wahl zwischen "Statistik" von Freedman et al. Und "Statistische Modelle: Theorie und Praxis" von Freedman

Ich bin kein Statistiker, aber ich interessiere mich sehr für Statistik und möchte ein Buch kaufen, um es als Referenz zu behalten. Ich habe ein paar Bücher zu bestimmten Themen (wie The Elements of Statistical Learning für maschinelles Lernen oder Bayesian Data Analysis für ... na ja, Bayesian Data Analysis :) Ich suchte auch nach einem allgemeineren Buch.

Die Bücher von Freedman werden hier oft beachtet:

Empfehlung für erweiterte Statistikbücher

Welches Buch würden Sie nicht-statistischen Wissenschaftlern empfehlen?

Statistiken von Freedman, Pisani und Purves (A) sind die gewählte Antwort auf die letztere Frage, und das wollte ich mir kaufen. Ich erfuhr jedoch etwas über statistische Modelle: Theorie und Praxis (B). Die beiden Bücher scheinen sich zu ähneln (soweit ich das beurteilen kann: Amazon hindert mich sogar daran, die vollständigen Nutzungsbedingungen zu lesen ... ich weiß nicht warum). Die Veröffentlichungstermine stehen kurz bevor. Jedoch:

• B ist erheblich billiger. Ich könnte A allerdings benutzen, also wenn A eindeutig besser ist als B, bin ich bereit, mich für A zu entscheiden.
• A ist länger, aber es scheint mir, dass die Hauptkapitel, die in B fehlen, mit der Wahrscheinlichkeit zusammenhängen. Ich brauche diesen Teil nicht, also, wenn das der einzige Unterschied oder der Hauptunterschied ist, würde ich lieber das billigere und transportablere B kaufen :)

Welches Buch würdest du mir empfehlen?

Sie sind ganz anders.

(A) ist ausdrücklich einleitend (aber in vielerlei Hinsicht nicht elementar). Das mag widersprüchlich erscheinen: Vielleicht kann man mit Recht sagen, dass (A) intelligente Leser voraussetzt, die bereit sind, hart zu denken, aber keine statistischen Vorkenntnisse haben. Es gibt keine Spielereien wie Farbfotos von fröhlichen Menschen, Schachteln verschiedener Art mit zusätzlichen Materialien oder unhöfliche Geschichten, die auf den wilden Erfahrungen oder der überfruchtbaren Vorstellungskraft des Autors beruhen. (Ich nehme Bezug auf einige der schrecklicheren Alternativen auf dem Markt.) Ein kluger Schüler oder jeder, der sich an die meisten seiner Mathematikfächer erinnerte, würde dies als lohnend empfinden, ebenso wie den offensichtlicheren Markt für Studenten.

(B) ist eher ein zweiter Text und würde jedem schwer fallen, der den Inhalt von (A) nicht kennt. Ich würde sagen, dass (B) davon abhängt, dass die Leser das meiste Material mindestens einmal zuvor kennengelernt haben, da viele der Erklärungen klug, aber gleichermaßen verdichtet sind. Ich würde sagen, es ist wirklich etwas für Forscher, Studenten mit einem Abschlussjahr, die eine Dissertation oder eine Forschungsarbeit vorbereiten. Es ist auch einfühlsamer, was Sie lieben oder verabscheuen werden, je nachdem, ob Sie mit Freedman einverstanden sind, dessen hohe Standards oft die Arbeit anderer Leute ausschließen.

Ich lese (A) alle paar Jahre mit Gewinn und Vergnügen neu und habe dies seit der ersten Ausgabe getan (mit Überfliegen und Überspringen).

Offenlegung: Ich bin auch kein Statistiker; Ich habe noch nie Kurse von Statistikern besucht.

Ich bin Statistiker und habe es 40 Jahre lang gelehrt, hauptsächlich Biologen. Die Nick Cox Antwort oben ist tot auf. Meiner Meinung nach ist "FPP" immer noch das mit Abstand beste Einführungsbuch für Statistiken. Starke Betonung von Konzepten, großartigen Beispielen (obwohl ich mir mehr aus der Biologie wünschte!) Und Gegenbeispielen (die zeigen, wie „das Offensichtliche“ manchmal falsch sein kann) und Übungen. Es ist leicht zu lesen, aber das kann täuschen: man muss nachdenken. "Statistical Models" (Freedman) ist ein zweites oder drittes Lehrbuch. Es ist auch sehr konzeptionell. Wahrscheinlich möchten Sie ein Standardbuch, um die Grundlagen der Methode der kleinsten Quadrate (Regression, Anova usw.) zu erlernen. Freedman ist mehr besorgt darüber, wann die Modelle gerechtfertigt sind (normalerweise als gute Annäherung an "Wahrheit") und wann nicht. Jetzt sehr wichtig, wenn Sie sehr komplexe Modelle mit nur einem Knopfdruck ausführen können, aber nicht genau wissen, was Sie angenommen haben oder was die Ergebnisse bedeuten. Davisons Buch ist ebenfalls exzellent, aber technischer und praktischer: Es beschreibt die wichtigsten Standardmodelle (und einige weniger Standardmodelle) in einer Vielzahl von Bereichen und zeigt Möglichkeiten auf, sie zu analysieren.