我知道人们喜欢关闭重复项,因此我不要求参考来开始学习统计信息(如此处)。
我拥有数学博士学位,但从未学过统计学。顶尖的BS统计学位获得等效知识的最短途径是什么,当我达到这一水平时如何衡量。
如果一本书的清单就足够了(假设我做练习可以说),那就太好了。是的,我希望解决问题是学习它的一个隐含部分,但我想尽可能快地实现快速跟踪。除非这是统计学专业人士通常会学到的内容,否则我不会寻求严格的治疗。
我知道人们喜欢关闭重复项,因此我不要求参考来开始学习统计信息(如此处)。
我拥有数学博士学位,但从未学过统计学。顶尖的BS统计学位获得等效知识的最短途径是什么,当我达到这一水平时如何衡量。
如果一本书的清单就足够了(假设我做练习可以说),那就太好了。是的,我希望解决问题是学习它的一个隐含部分,但我想尽可能快地实现快速跟踪。除非这是统计学专业人士通常会学到的内容,否则我不会寻求严格的治疗。
Answers:
(非常)短篇小说
长话短说,从某种意义上说,统计就像任何其他技术领域一样:没有快速的轨道。
很长的故事
在美国,统计学专业的学士学位课程相对较少,我认为这是事实,原因是很难将学习统计学所需的全部知识纳入本科课程。在有大量普通教育要求的大学中尤其如此。
开发必要的技能(数学,计算和直观技能)需要大量的精力和时间。一旦学生掌握了微积分以及相当数量的线性和矩阵代数,就可以在相当不错的“操作”水平上开始理解统计了。但是,任何应用统计学家都知道,在不符合Cookie切割器或基于配方的统计方法的领域中找到自己很容易。要真正了解表面之下发生的事情,这是先决条件在当今的世界中,数学和计算成熟度只有在后来的本科训练中才能真正实现。这是真正的统计培训主要从美国的MS级别开始的原因之一(印度,其专门的ISI则略有不同。对于某些加拿大的教育可能会提出类似的论点。以欧洲或俄罗斯为基础的本科统计教育,以便有足够的见解。)
几乎所有(有趣的)工作都需要MS级教育,而真正有趣的(我认为)工作本质上需要博士学位水平。
看来您拥有数学博士学位,尽管我们不知道在哪个领域,但是我为我提供了一些更接近MS级教育的建议。我附上一些括号,以解释这些选择。
补体
这是其他一些有用的书,其中大多数是更高级的,理论和/或辅助性质的书。
更高级的(博士级)文本
Lehmann和Casella,点估计理论。(博士学位的点估计处理。这本书的部分挑战是阅读并弄清楚什么是错别字,什么不是错别字。当您很快意识到自己的错字时,您就会知道自己明白了。有很多练习这种类型,尤其是当您深入研究问题时。)
Lehmann和Romano,检验统计假设。(博士学位水平的假设检验处理。错别字不如上面的TPE。)
A. van der Vaart,渐近统计。(这是一本关于统计渐进理论的精美书,在应用领域有很好的提示。虽然不是一本应用书。我唯一的疑问是,使用了一些相当奇怪的符号,并且细节有时被掩盖了。)
我不能代表更严格的学校,但是我在加利福尼亚大学戴维斯分校的一般统计专业(我学校中最严格的)获得理学学士学位,并且相当依赖严格性和派生性。数学博士学位会有所帮助,因为您将在实际分析和线性代数方面拥有非常强的背景知识-统计学有用的技能。我的统计计划的课程工作中约有50%用于支持基础知识(线性代数,实数分析,微积分,概率,估计),其余50%用于依赖基础知识的专业主题(非参数,计算,ANOVA /回归,时间序列,贝叶斯分析)。
一旦掌握了基础知识,跳到具体细节通常就不会太困难。我班上的大多数人都在靠证明和真实分析而挣扎,并且容易掌握统计概念,因此,具有数学背景的人无疑会有所帮助。话虽如此,以下两篇文章很好地涵盖了统计领域所涵盖的许多主题。顺便提一下,两者都是在您提供的链接中推荐的,所以我不会说您的问题和您所链接的问题不一定无关。
统计的数学方法,Harald Cramer着
《全部统计资料:统计推断简明课程》,作者:拉里·瓦瑟曼(Larry Wasserman)
英国皇家统计学会提供统计学专业的研究生文凭,其水平达到良好的学士学位。可以从他们的网站上获得教学大纲,阅读清单和以前的论文。我知道数学家会使用它来加快统计的速度。参加考试(正式地或在您自己学习的舒适程度中)可能是衡量您何时到达的有用方法。
我将访问顶级统计学校的课程网站,写下他们在本科课程中使用的书,查看哪些书在亚马逊上获得很高的评价,并在您的公共/大学图书馆中进行订购。
一些学校要考虑:
用各种演讲视频站点(例如MIT OCW和videolectures.net)补充文本。
加州理工学院没有统计学的本科学位,但是遵循他们的本科统计学课程的课程不会出错。
我看过席尔维(Silvey)的统计推断,这些数学推断需要一些工作日的统计知识。这是一本小书,按权利应该便宜。查看http://www.amazon.com/Statistical-Inference-Monographs-Statistics-Probability/dp/0412138204/ref=sr_1_1?ie=UTF8&s=books&qid=1298750064&sr=1-1,这似乎是便宜的二手。
它很老,并且专注于经典统计。尽管它不是很抽象,但它是针对一定程度的数学读者的-许多练习来自剑桥(英国)数学统计文凭,基本上是理科硕士。
ET Jaynes撰写的“概率论:科学的逻辑:原理和基本应用第1卷”,剑桥大学出版社,2003年,在正确的水平上,对于贝叶斯统计方面来说,它几乎是必读的。我期待有关常客性方面的建议(我有很多专着,但很少有很好的一般性教科书)。
我来自计算机科学背景,专注于机器学习。但是,在使用Bishop的书https://www.microsoft.com/zh-cn/research/people/cmbishop/#!prml-book参加了模式识别课程之后,我真的真正开始理解(并且更重要的是应用)统计信息。
这是麻省理工学院的一些课程幻灯片:http :
//www.ai.mit.edu/courses/6.867-f03/lectures.html
这只会为您提供背景(+一些matlab代码)以将统计信息用于实际工作问题,并且肯定在应用方面更多。
但是,这在很大程度上取决于您想用自己的知识做什么。要衡量您的水平,您可能需要浏览某所大学的开放课程软件以获取高级统计课程,以检查是否知道所涉及的主题。只是我的5美分。
我认为斯坦福大学在灵活性方面提供了最佳资源。他们甚至在线上都有机器学习课程,可以为您提供有关R语言中设计算法的丰富知识基础。在Google上进行搜索,它会将您重定向到他们的Lagunita页面,在那里他们提供了一些有趣的课程,其中大多数他们是自由的。我有PDF格式的Tibshirani的书,《统计学习入门》和《统计学习要素》,它们都是非常好的资源。
由于您是数学家,因此我仍然建议您不要快速跟踪,因为如果您开始进行认真的机器学习,那将不会为您提供扎实的基础,将来您可能会发现这对您很有帮助。将统计数据视为数学的一个分支,以从数据中获取洞察力,这需要做一些工作。除此之外,还有大量的在线资源,约翰霍普金斯大学提供与斯坦福大学类似的资源。尽管经验总能带来回报,但受人尊敬的证书将始终巩固这一基础。您还可以考虑要输入的特定字段。我的意思是说您想参加文本分析还是在金融中应用数学和统计技能。我属于后一类,因此我获得了计量经济学学位,研究了金融+统计。组合永远是非常好的。