顺便介绍一本我自己很喜欢的书: Statistical Evidence: A Likelihood Paradigm By Richard M. Royall 很多"用"统计的人根本不了解什麽是statistical evidence Hypothesis testing 的目的是什麽, 结论该怎麽present 还有 p-value 所扮演的混乱角色 这本书写得简单易懂一针见血 强力推荐 ※ 引述《binchung (ideal)》之铭言： : 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: 71.251.59.112