Statistical Inference: 以下的书 都是研究所用书 所以一定的数学成熟度是需要的 至少要solid的calculus (multi-valuables) 和 linear algebra 有高等微积分或实分析(这里实分析主要是指measure theory)的训练当然更好 个别书如果有必要实分析的基础 我会注明 "Statistical Inference" by S.D. Silvery 这是我最喜欢的书 因为它很精辟 只有不到两百页 习题也很有代表性 是我inference的书里唯一完整看过的 "Theoretical Statistics" by cox and Hinkley Comments: 我认为这是最能启发读者关於inference的书了 但是这本书不好读 因为作者留了不少空让读者自己去补 同时有不少话需要读者好好思考才能了解它在说什麽 如果你没有比较好的背景知识 或是没有很多的时间去补这些空 那这本书不一定适合你 反过来说 如果你有时间能静下心来 仔细的研读思考 你会发现这是一本充满观念的书 而且随着你对统计的了解愈来愈多 你可以从这本书挖出不同的东西 你的体会也会大不相同 "Testing Statistical Hypotheses" and "Theory of Point Estimation" by E.L. Lehmann Lehmann的这两本书是经典用书 我自己只读了其中几章 两本书都会用到一点实分析 testing hypotheses用到的数学更深一些 我看过的Testing Statistical Hypotheses是旧版的 听说新版加了不少东西 因为旧版很多内容都是假设exponential family来看一些所谓最佳的test (像是UMP) 这些内容在以前是很重要 但是现在统计在hypothesis testing的方向已经和以前大不相同 包括像multiple testing的问题(for highly dimensional correlated data) nonparametric或是semiparametric的模型下假设检定的问题 也是非常重要的 不知新版有没有加入这些 "Statistical Inference" by Casella and Berger 这本书不用说大家都知道 最经常被列为教科书的一本 再加上我只看过一丁点 我就不提了 一般statistical inference的课有时还会讲large sample theory 所以我也推荐几本 "A Course in Large Sample Theory" by Ferguson 这本书挺不错的 这本书的习题尤其推荐多做 因为它的习题大多具有代表性 可以好好磨磨一些技巧 另外一本比较深一点 需要一些实分析基础的 是van der Vaart 写的Asymptotic Statistics 我认为这本书是最好的large sample theory的书 因为它写的很清楚 内容中又提供了许多技巧 同时它包含了一点统计现代asymptotic理论中最核心的 部分: empirical processes ※ 引述《tew (咖啡王子)》之铭言： : 这一篇是打算置底用的 : 看完很多过去与现在的文章之後 (眼睛真痛) : 有的人会回去多看点书吧 (我有时候也想这样回) : 但是 我们总要告诉大家有哪些书应该看的 : 所以在这一篇底下 : 请大家推文 : 对於培养基础统计能力 : 大家建议阅读甚麽样的书籍 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 129.85.241.202