Questions tagged «references»

在过去的几年中，我阅读了许多反对在科学中使用零假设重要性检验的论文，但并不认为要保留一个持久的清单。一位同事最近要求我提供这样的列表，所以我想我要请这里的所有人来帮助构建它。首先，这是我到目前为止的事情： Johansson（2011）“向不可能的事物致敬：p值，证据和可能性。” Haller＆Kraus（2002）“对意义的误解：学生与老师分享的一个问题。” Wagenmakers（2007）“解决普遍存在的p值问题的实用解决方案。” Rodgers（2010）“数学和统计建模的认识论：一场安静的方法论革命”。 Dixon（1998）“为什么科学家重视p值。” Glover＆Dixon（2004）“似然比：经验心理学家的简单而灵活的统计数据。”

63 hypothesis-testing  statistical-significance  references  p-value 

我发现诸如《概率统计手册》和《 R数据挖掘参考卡》等资源非常有用。它们显然可以很好地用作参考，但也可以帮助我整理我对某个主题的想法并获得帮助。 问：是否存在类似这些资源的机器学习方法？ 我正在想象一个针对每种ML方法的参考卡，其中包括： 一般性质 该方法行之有效 当方法效果不佳时 该方法从哪个方法推广到哪个其他方法。是否已被大部分取代？ 关于该方法的开创性论文 与方法相关的未解决问题 计算强度 我敢肯定，只需阅读一些教科书，就可以找到所有这些东西。将它们放在几页上真的很方便。

57 machine-learning  references 

我正在寻找资源（教程，教科书，网络广播等）来了解Markov Chain和HMM。我的背景是生物学家，目前正在从事与生物信息学有关的项目。 另外，我需要对Markov模型和HMM有足够了解的必要数学背景是什么？ 我一直在寻找使用Google的方法，但是到目前为止，我还没有找到一个很好的入门教程。我敢肯定，这里的人知道得更多。

57 references  markov-process  hidden-markov-model  bioinformatics 

我一直在阅读，直觉上我可以看到这一点，但是从L2正则化到分析上说这是一个高斯先验又如何呢？说L1等于拉普拉斯先验也是如此。 任何进一步的参考将是伟大的。

56 regression  references  regularization 

我指的是仍能保留其存在的做法，即使它们旨在解决的问题（通常是计算性问题）已基本解决。 例如，发明了Yates的连续性校正可以近似于测试的Fisher精确测试，但是由于软件现在甚至可以处理大量样本，也可以处理Fisher的测试，因此不再实用（我知道这可能不是“保持其存在”，因为像Agresti的“ 分类数据分析 ”这样的教科书经常承认“不再需要Yates的修正”）。χ2χ2\chi^2 这种做法还有哪些其他示例？

55 references  philosophical 

该站点上有多个线程可提供有关入门统计和机器学习的书籍建议，但我正在寻找有关高级统计的文章，其中包括按优先级排列的顺序：最大似然，广义线性模型，主成分分析，非线性模型。我已经尝试过AC Davison的统计模型，但是坦率地说，我不得不在2章之后将其放下。本书内容涵盖了百科全书和数学知识，但是作为一名从业者，我喜欢通过首先了解直觉来接近学科，然后再深入研究数学背景。 这些是一些我认为具有教学价值的文章。我想为我提到的更高级的科目找到同等的科目。 统计，D。Freedman，R。Pisani，R。Purves。 预测：方法与应用，R。Hyndman等。 多元回归与超越，TZ基思 Rand R. Wilcox，《应用当代统计技术》 R语言中的统计学习及其应用简介（已发布PDF版本），Gareth James，Daniela Witten，Trevor Hastie和Robert Tibshirani 统计学习的要素：数据挖掘，推理和预测。-（PDF发布版本），哈斯提，蒂布希拉尼和弗里德曼（2009）

55 generalized-linear-model  pca  maximum-likelihood  references  saddlepoint-approximation 

我已经在R中工作了一段时间，并且遇到过PCA，SVD，QR分解以及许多此类线性代数结果（在检查估计的加权回归等时），所以我想知道是否有人对一个好的建议一本全面的线性代数书，虽然理论上不太严格，但数学上很严格，涵盖了所有这些主题。

54 references  matrix  linear-algebra  weighted-regression 

对于已经精通概率的数学家来说，如何很好地介绍统计学？我有两种不同的询问动机，这很可能导致不同的建议： 我想更好地了解概率论者考虑的许多问题背后的统计动机。 我想知道如何更好地解释蒙特卡洛模拟的结果，有时我会做一些数学猜想。 我很可能最好的方法不是去寻找“概率统计”之类的东西，而只是去一个更入门的来源。

54 references 

先前曾有一个问题寻求有关数学统计学教科书的建议 有人知道关于数学统计的任何在线视频讲座吗？我找到的最接近的是： 机器学习 计量经济学 更新：下面提到的许多建议都是良好的统计数据-101型视频。但是，我特别想知道是否有任何视频可以提供统计数据的严格数学表示。即，可能与课程相关的视频使用了在mathoverflow讨论中提到的教科书

54 mathematical-statistics  references 

编辑：Web技术和服务 CRAN 任务视图包含R中可用的数据源和API的更全面的列表。如果希望将包添加到任务视图，则可以在github上提交拉取请求。 我列出了已经挂接到R或易于设置的各种数据馈送。这是我最初的软件包列表，我想知道我还缺少什么。 我试图将此列表限制为“实时”或“接近实时”数据供稿/ API，其中底层数据可能在下载之间发生变化。静态数据集有很多列表，只需下载一次即可。 该列表目前偏向于财务/时间序列数据，我可以借助一些帮助将其扩展到其他领域。 免费数据： 数据源-包 谷歌财经的历史数据 - quantmod 谷歌财经的资产负债表 - quantmod 雅虎财经的历史数据 - quantmod 雅虎财经的历史数据- TSERIES 雅虎财经当前的期权链 - quantmod 雅虎财经历史分析师的预期 - fImport 雅虎财经当前关键统计 - fImport -似乎被打破 OANDA历史汇率/金属价格 - quantmod FRED历史性的宏观经济指标 - quantmod 世界银行历史的宏观经济指标 - WDI 谷歌趋势的历史搜索量数据 - RGoogleTrends 谷歌文档- RGoogleDocs 谷歌存储- RGoogleStorage Twitter的 - Twitter的 Zillow的 …

53 r  references  dataset 

我一直在阅读Tukey的书“探索性数据分析”。该书于1977年编写，着重强调纸张/铅笔方法。是否有一个更“现代”的后继产品考虑到我们现在可以即时绘制大型数据集了？

52 data-visualization  references  descriptive-statistics  eda 

根据这篇文章，我想了解统计学习的要素。幸运的是，它是免费提供的，我开始阅读它。 我没有足够的知识来理解它。您能推荐一本对本书主题有更好介绍的书吗？希望有什么能给我理解的知识？ 有关： 扎实的数学知识是掌握ML的必备条件吗？

50 machine-learning  references 

使用R学习统计书籍 我要寻找的书到底是什么。 我正在寻找的是一本书，该书在使用R的同时教给您一些统计知识，从而为您提供动手实践的经验，从而最终帮助您一起学习R。我在亚马逊上看到了很多尝试这样做的书，但是没有R的书。Minitab和SAS是例子。 R书和统计计算可以选择吗？- 仍然没有回答。 《 R书与统计计算：使用S-Plus进行数据分析入门》似乎是可行的，但此处的读者意见将对您有所帮助并受到欢迎。 这本书与统计课程有何关系？ 为了更精确地寻找我要寻找的东西，请考虑这两门课程是从大学的数学系学习统计学的成果，我目前是一名学生： 中级统计和概率统计，也就是说，我在书中看的是一门中级水平的普通统计课程，而不仅仅是学习和使用R的纸和纸。这也意味着我正在寻找一本假定我想从一开始就学习统计学的书。 这本书也适合研究人员。 我也是一名软件工程师研究员，但我想目前的情况是发现大量的数据，并且想要学习统计数据以继续编写代码以实现自动化，这几乎适用于许多其他领域。 这意味着我对学习每条曲线的每个属性的每个细节都没有兴趣，但是更关心在研究领域中了解数据的意义，尽管我不介意这本书是否想深入探讨该问题。 。 作为最后的动力，我发现自己在不同种类的社区中阅读科学论文，这些论文根据统计推断来宣称结果，而没有可读的证据证明是否违反了统计假设/约束。 与统计资料无关的AR书籍不会确保我不会遵循这种做法，这也是为什么我决定寻找一本类似于R的统计学课程的书籍，而不是浏览概述书籍的原因。 交叉验证中的相关问题。 哪些书概述了适用于计算机科学的计算统计信息？-不同之处在于，在使用R学习统计信息时，问题会寻找概述。 开源统计书籍提供了在线可用的开源（开放书籍）列表。 有关此问题的答案和反馈。 @朱丽叶 建议的书很少见，但是很不幸，它不适合我： 初级统计有R，使用R代表介绍统计，统计：使用为r的介绍是少数的，我已经看了关于亚马逊的书籍，但都是关于统计概述或作出这样的要求之前的统计知识假设。概述书的问题主要是关于不引起对假设，约束的关注，并提供足够的解释以使信息有意义。 如果您认为没有一本书也可以满足此需求，或者您认为R书或《统计计算：使用S-Plus进行数据分析入门》也适合，我也希望得到这种答案。 @克里斯托弗·亚丁 概率统计概论使用R似乎是我所寻找的最接近的方法，但仍是广义的方法。 我期望的是像David S. Moore这样的书，《统计基础》，因为： 它涵盖了所有统计主题。 它使用miniTab等两个工具对上述方法进行动手学习。 它非常突出了假设和约束。对于尚未参加深度统计学课程并想使用统计学的研究人员而言，这非常重要。几乎没有概述书籍可以涵盖这些内容，这对研究人员来说是危险的。 您可以在此处查看本书的目录。请注意，重点是统计，工具的使用是为了增进理解，并使学生在学习后以更简单的方式知道如何使用工具进行统计。它与工具无关，与统计有关！ 我想要完全一样的东西，但是使用R。 @格雷戈里·德明 它使用R作为教学法示例，假设您想学习统计学，最重要的是，它是开源的。不幸的是，它不包括ANOVA，ANCOVA或其他更高级的主题。 彼得·埃利斯 对于涵盖该问题需要内容的教科书，提出了很好的建议。 提问者认为可以回答问题的书籍。 @Peter Ellis和@Gregory Demin。 亚马逊上R书的集合 可以在这里找到有关针对不同学生背景的R书的亚马逊讨论。 视频讲座教学，使用R进行统计 从2007年也促使这个问题，涵盖了更多关于数据挖掘，而不是统计数据，但同时，使用R谷歌技术讲座在这里。

50 r  references 

小组对实验设计书有何建议？ 理想情况下，书籍可能仍应印刷或以电子方式提供，尽管可能并不总是可行的。如果您想在这本书的优点上加些话，那也很好。 另外，针对每个答案准备一本书，以便投票可以帮助对建议进行分类。 （社区Wiki，如果可以做得更好，请编辑问题！）

50 references  experiment-design 

假设我有一个样本根据和的联合分布。我如何检验和是独立的假设？X ÿ X ÿ（Xñ，Yñ），n = 1 .. N(Xn,Yn),n=1..N(X_n,Y_n), n=1..NXXXÿYYXXXÿYY 不对和的联合或边际分布定律（所有联合正态性中的最小者，因为在这种情况下，独立性等于）是相同的。ÿXXXÿYY000 没有对和之间可能关系的性质作任何假设; 它可能是非线性的，因此变量是不相关的（）但高度相关（）。Y r = 0 I = HXXXÿYYr = 0r=0r=0一世= 高I=HI=H 我可以看到两种方法： 对两个变量进行bin，并使用Fisher精确检验或G-test。 优点：使用完善的统计测试 缺点：取决于分档 估计依赖的和：（这是独立和和当它们完全确定对方）。Y I （X ; Y ）XXXÿYY一世（X; ÿ）H（X，Y）I(X;Y)H(X,Y)\frac{I(X;Y)}{H(X,Y)}XY1000XXXÿYY1个11 优点：产生具有明确理论意义的数字 缺点：取决于近似熵的计算（即再次进行分箱） 这些方法有意义吗？ 人们还使用其他哪些方法？

48 hypothesis-testing  references  independence