频繁统计的参考资料，精通现代概率论的某人

来自严格的分析和现代概率论背景，我发现贝叶斯统计信息简单明了，易于理解，常客统计数据令人难以置信且令人困惑。似乎常客确实是在做贝叶斯统计，除非动机和动机没有明确定义的“秘密先验”。

另一方面，很多了解这两种观点的伟大统计学家都将归因于惯常论者的观点，因此那里肯定有些我不理解的东西。我不想放弃并宣布自己是贝叶斯主义者，而是想了解更多关于常客主义的观点，以尝试真正地“理解”它。

从严格的角度来学习频率统计资料有哪些好的参考？理想情况下，我正在寻找能防止定理定理的书籍，或者通过解决这些困难的习题集，可以获得正确的心态。我已经读过很多可能在互联网上找到的“哲学性东西”，例如Wiki页面，.edu /〜randomprof网站中的随机pdf等，但它没有帮助。

references frequentist intuition

— 尼克·阿尔格
source

我就像你一样！在概率论上有扎实的背景，但在统计学上却一无所知。贝叶斯统计（尤其是克里斯蒂安·罗伯特的书）令我着迷。我在Fourdrinier的书amazon.fr/中学习了常客统计资料，但是我不确定您是否读过法语。请让我注意您对“秘密先验”是错误的。

— 斯蒂芬·洛朗

这是一个非常广泛的主题，重要的是要了解参数解释的差异。假设您具有扎实的理论背景，那么您将很容易理解，在贝叶斯范式中，参数是随机变量，而在频繁统计中，参数是要估计的变量/数字。因此，没有像常客那样使用“秘密先验”的东西。您可以在此处找到一些参考。

简短而合理地完成。序言说它是为牛津四年级数学学生的数学统计量的第一篇简介而写的。它还包括一些非常现代的想法。

但是，您还需要一些更具概念性的东西，并且您找不到比David Cox爵士更好的教导这一点：DR Cox：“统计推断原理” Cambridge UP2006。这是非常严格的，但是在统计意义上而非数学意义上。这是关于概念，关于为什么而不是如何！

— 凯捷蒂尔·哈沃森
source

我认为他也可以看一下冯·米塞斯的一些著作。克莱默（Cramer）关于数学统计的经典著作当然是数据，但涉及到自1940年代以来变化不大的基础事物。我可以理解贝叶斯方法如何听起来很直观，但是尽管MCMC发生了革命，但确切的含义却不那么清楚。

— Michael R. Chernick 2012年

也有这样的陈述：“似乎常客确实在做贝叶斯统计，除非动机不明确或定义不明确的“秘密先验”。也许表明，OP确实确实确实需要更好地了解统计基础。置信区间和p值之类的概念可能很难理解，但这并没有使它们出错。如果您要进行认真的统计，则可能需要努力理解这些概念。

— Michael R. Chernick 2012年

在我看来，经常性的想法是可以根据长期频率来定义概率。如果您想知道您是否掷出了公平的硬币，那么，如果您抛掷10,000次并接近5000个磁头，就很有意义，这表明该硬币是公平的（即，一个磁头的概率）是1/2）。

— Michael R. Chernick 2012年

@kjetil感谢您的参考。我在图书馆浏览了这些书，它们看起来不错，所以我买了它们。

— 尼克·阿尔杰

@MichaelChernick是的，您是对的，我对统计数据不太了解，我的目标是对此进行纠正。这个常客主义的想法实际上对我来说根本不是直觉..：//我希望它能被严格地呈现

\forall

$\forall$ 和

ϵ

$\epsilon$ 和集合之间的函数，那么我就可以理解它。贝叶斯统计方法要容易得多，因为我可以考虑随机变量的条件期望。

— Nick Alger 2012年