一本既讲理论又讲数学的好书

在我的学年和大学期间，我有足够的统计学课程。我对概念有一定的了解，例如CI，p值，解释统计显着性，多重检验，相关性，简单线性回归（最小二乘法）（通用线性模型）以及所有假设检验。在早期的大部分时间里，我大多是在数学上被介绍给我的。最近，我相信，借助于《直觉生物统计学》一书，我已经掌握了对实际概念理论的前所未有的理解。

现在，我发现我缺乏对拟合模型（估计模型的参数）等的理解。特别是，诸如最大似然估计，广义线性模型，贝叶斯推断统计方法之类的概念对我而言似乎总是陌生的。没有足够的示例或教程或概念上合理的示例，就像人们在简单的概率模型或互联网上的其他（基本）主题中发现的那样。

我是一名生物信息学家，我从事RNA-Seq数据的研究，该数据处理原始读取计数，以便查找基因表达（或差异基因表达）。从我的背景来看，即使我不熟悉统计模型，我也能够掌握泊松分布假设和负二项式等的原因。但是有些论文涉及广义线性模型和估计MLE等。我相信我有必要了解的背景。

我想我要的是你们中的一些专家认为有用的方法，这是一本书，可以帮助我以更直观的方式掌握这些概念（不仅是严格的数学，而且有数学支持的理论）。由于我将主要应用它们，因此（目前）我对了解什么是满意的，以后，我可以返回严格的数学证明...有人有什么建议吗？如果我要求的主题确实分散在一本书中，则我不介意购买多于一本书。

非常感谢你！

您会发现您所询问的所有非贝叶斯方法，包括Frank Harrell的回归建模策略。我会把贝叶斯的建议留给知识渊博的人（尽管我的书架上确实有Gelman，Carlin，Stern和Rubin以及Gilks​​，Richardson和Speigelhalter）。市场上应该有几本贝叶斯生物统计书籍。

更新： 当然，McCullach和Nelder（1989）是一本有关GLM的经典著作。坦率地说，这是开创性的，但我觉得它很无聊。此外，它不涵盖诸如残差诊断，零膨胀模型或多级/分层扩展之类的后来增加的内容。Hardin和Hilbe（2007）在Stata中通过实际示例详细介绍了其中的一些新内容（其中GLM和扩展的实现非常好； Hardin曾在Stata Corp.工作，编写了许多这样的命令，并为三明治估算器）。

我推荐以下两本书：

1. 生物信息学的统计方法
2. 统计学习的要素