为了巩固我对统计概念的理解,需要解决难以示范的问题?

机器算法验证 回归 方差分析 t检验 参考 结构方程建模
2022-03-18 18:48:15

多年来,我通过各种情况和方式学习了许多统计概念。大约 10 年前,我可能花了几个学期学习了一些统计学。但我在做机器学习工作时也学习了一些概念。我只理解狭窄范围内的事情——我总是试图逃避只知道我需要知道的项目等。

因此,我对统计学没有全面的了解。例如。我隐约知道什么是 t 检验以及什么是卡方检验。但我无法在脑海中牢牢地将这两个概念联系起来。如果不将这些概念中的每一个联系起来,我觉得它们是无用的,也没有那么强大。

我开始明白,我理解任何事情的唯一方法就是解决专家选择的难题。它应该很难,所以我需要一些时间来解决它,也应该由专家仔细选择,以便每个问题都包含一个“道德”,让我更接近启蒙。

所以,帮我收集一组问题来解决,通过统计来寻找禅。范围是所有统计数据(回归、方差分析、t 检验等、潜在变量的结构方程等)。

1个回答

数理统计和数据分析,John A. Rice,第三版

如果您正在努力理解统计中不同事物之间的关系,那么您所缺少的“粘合剂”就是对数理统计的理解。

赖斯的教科书提供的理论证明了在介绍性统计课程中使用的大多数统计测试和方法是正确的。例如,它导出了分布,并描述了如何使用它们来构建统计检验。相比之下,大多数介绍性统计文本列出了不同的分布和测试,但没有推导出它们。 tχ2

它是数理统计的标准教科书。它对现有知识的假设并不多,但确实需要一些努力来完成内容(特别是如果您对数学不满意)。章节末尾有很多例子。

毫无疑问,还有其他同等质量的统计教科书。我的关键点是,理解数理统计是在非肤浅的层次上理解统计所必需的,如果你有机器学习背景,这特别有用,因为基本逻辑非常不同(即,证明而不是而不是通过反复试验和烘焙来学习)。