在我的学生时代和大学期间，我已经上过足够多的统计课程。我对这些概念有很好的理解，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（带最小二乘）（一般线性模型）和所有假设检验。早些时候，我大部分时间都被介绍给它，主要是在数学上。最近，我相信在Intuitive Biostatistics一书的帮助下，我对实际的概念理论有了前所未有的理解。

现在，我发现我缺乏的是对拟合模型（估计模型参数）等的理解。特别是，诸如最大似然估计、广义线性模型、推理统计的贝叶斯方法等概念对我来说总是陌生的。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 Internet 上的其他（基本）主题上找到的那样。

我是一名生物信息学家，我从事 RNA-Seq 数据的工作，这些数据处理原始读取计数以寻找基因表达（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并估计 MLE 等。我相信我有必要的背景来理解。

我想我要的是你们中的一些专家认为有用的方法和（a）书，它可以帮助我以更直观的方式掌握这些概念（不仅仅是严格的数学，而是有数学支持的理论）。由于我主要是要应用它们，我会（目前）对理解什么是什么感到满意，然后，我可以回到严格的数学证明......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，我不介意购买超过一本书。

非常感谢你！