順便介紹一本我自己很喜歡的書: Statistical Evidence: A Likelihood Paradigm By Richard M. Royall 很多"用"統計的人根本不了解什麼是statistical evidence Hypothesis testing 的目的是什麼, 結論該怎麼present 還有 p-value 所扮演的混亂角色 這本書寫得簡單易懂一針見血 強力推薦 ※ 引述《binchung (ideal)》之銘言： : Statistical Inference: : 以下的書 都是研究所用書 所以一定的數學成熟度是需要的 : 至少要solid的calculus (multi-valuables) 和 linear algebra : 有高等微積分或實分析(這裡實分析主要是指measure theory)的訓練當然更好 : 個別書如果有必要實分析的基礎 我會註明 : "Statistical Inference" by S.D. Silvery : 這是我最喜歡的書 因為它很精闢 只有不到兩百頁 習題也很有代表性 : 是我inference的書里唯一完整看過的 : "Theoretical Statistics" by cox and Hinkley : Comments: : 我認為這是最能啟發讀者關於inference的書了 但是這本書不好讀 因為作者留了不少空讓讀者自己去補 : 同時有不少話需要讀者好好思考才能了解它在說什麼 : 如果你沒有比較好的背景知識 或是沒有很多的時間去補這些空 那這本書不一定適合你 : 反過來說 如果你有時間能靜下心來 仔細的研讀思考 你會發現這是一本充滿觀念的書 : 而且隨著你對統計的了解愈來愈多 你可以從這本書挖出不同的東西 你的體會也會大不相同 : "Testing Statistical Hypotheses" and "Theory of Point Estimation" by E.L. Lehmann : Lehmann的這兩本書是經典用書 我自己只讀了其中幾章 : 兩本書都會用到一點實分析 testing hypotheses用到的數學更深一些 : 我看過的Testing Statistical Hypotheses是舊版的 聽說新版加了不少東西 : 因為舊版很多內容都是假設exponential family來看一些所謂最佳的test (像是UMP) : 這些內容在以前是很重要 但是現在統計在hypothesis testing的方向已經和以前大不相同 : 包括像multiple testing的問題(for highly dimensional correlated data) : nonparametric或是semiparametric的模型下假設檢定的問題 也是非常重要的 : 不知新版有沒有加入這些 : "Statistical Inference" by Casella and Berger : 這本書不用說大家都知道 最經常被列為教科書的一本 再加上我只看過一丁點 我就不提了 : 一般statistical inference的課有時還會講large sample theory : 所以我也推薦幾本 : "A Course in Large Sample Theory" by Ferguson : 這本書挺不錯的 這本書的習題尤其推薦多做 因為它的習題大多具有代表性 可以好好磨磨一些技巧 : 另外一本比較深一點 需要一些實分析基礎的 : 是van der Vaart 寫的Asymptotic Statistics 我認為這本書是最好的large sample theory的書 : 因為它寫的很清楚 內容中又提供了許多技巧 同時它包含了一點統計現代asymptotic理論中最核心的 : 部分: empirical processes : ※ 引述《tew (咖啡王子)》之銘言： : : 這一篇是打算置底用的 : : 看完很多過去與現在的文章之後 (眼睛真痛) : : 有的人會回去多看點書吧 (我有時候也想這樣回) : : 但是 我們總要告訴大家有哪些書應該看的 : : 所以在這一篇底下 : : 請大家推文 : : 對於培養基礎統計能力 : : 大家建議閱讀甚麼樣的書籍 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 71.251.59.112