Libros de texto estadísticos gratuitos

¿Hay libros de texto estadísticos gratuitos disponibles?

Los libros en línea incluyen

• http://davidmlane.com/hyperstat/
• http://faculty.vassar.edu/lowry/webtext.html
• http://www.psychstat.missouristate.edu/multibook2/mlt.htm
• http://bookboon.com/uk/student/statistics
• http://www.freebookcentre.net/SpecialCat/Free-Statistics-Books-Download.html

Actualización: ahora puedo agregar mi propio libro de texto de pronóstico

• Pronósticos: principios y práctica (Hyndman y Athanasopoulos, 2012)

Los elementos del aprendizaje estadístico de Hastie, Tibshirani y Friedman es un texto estándar para estadísticas y minería de datos, y ahora es gratuito:

https://web.stanford.edu/~hastie/ElemStatLearn/

También disponible aquí .

Introducción al pensamiento estadístico

Aquí hay un excelente libro de Probabilidad: http://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/book.html que también puede comprar en papel .;

A menudo he encontrado útil el Manual de estadísticas de ingeniería. Se puede encontrar aquí .

Aunque nunca lo he leído yo mismo, escucho que Introducción a la probabilidad y las estadísticas usando R es muy bueno. Es un libro electrónico completo de ~ 400 páginas (también disponible como libro real). Como beneficio adicional, también te enseña R, que por supuesto quieres aprender de todos modos.

Realmente me gusta El pequeño manual de práctica estadística de Gerard E. Dallal

He aquí una fresca: Introducción a la Probabilidad y Estadística con R . Sin embargo, es específico de R, pero es excelente. Todavía no lo he leído, pero hasta ahora parece estar bien ...

Aprendizaje automático

• Uno de los libros de texto más populares , si no el más popular, sobre aprendizaje automático es Hastie, Tibshirani y Friedman, The Elements of Statistical Learning , que está totalmente disponible en línea (actualmente 10ª impresión). Es comparable en alcance, por ejemplo, a Bishop's Pattern Recognition y ML o Murphy's ML , pero esos libros no son gratuitos, mientras que ESL sí .

• Hastie y Tibshirani también escribieron de forma gratuita una Introducción al aprendizaje estadístico, con aplicaciones en R, que es básicamente una versión más simple de The Elements y se centra en R.

• En 2015, Hastie y Tibshirani fueron coautores de un nuevo libro de texto, Aprendizaje estadístico con dispersión: el lazo y las generalizaciones , también disponible en línea. Este es un poco más corto y se centra específicamente en el lazo.

• Otro libro de texto de aprendizaje automático que lo abarca todo de forma gratuita es el razonamiento bayesiano y el aprendizaje automático de David Barber . No lo usé yo mismo, pero es ampliamente considerado como un excelente libro.

$\hskip{5em}$

Pasando ahora a temas más especializados, hay:

• Rasmussen & Williams Gaussian Processes for Machine Learning , que es el libro sobre procesos gaussianos.

• El muy esperado libro de texto de aprendizaje profundo de Goodfellow, Bengio y Courville que está a punto de ser publicado por MIT Press. Todavía no está publicado, pero el libro ya está disponible en línea. En el sitio web oficial se puede ver en el navegador pero no se puede descargar (según el acuerdo con el editor), pero es fácil encontrar un PDF combinado, por ejemplo, aquí en github .

• Csaba Szepesvári, Algorithms for Reinforcement Learning , un libro conciso sobre RL. Un libro de texto clásico, mucho más detallado pero un poco anticuado es Sutton & Barto, Reinforcement Learning: An Introduction, que también está disponible gratuitamente en línea, pero solo en un formato HTML engorroso.

• Boyd y Vandenberghe, Optimización convexa .

$\hskip{4em}$

Norman Matloff ha escrito un libro de texto de estadística matemática para estudiantes de ciencias de la computación que es gratuito. Una especie de nicho de mercado, supongo. Por lo que vale, no lo he leído, pero Matloff tiene un Ph.D. en estadística matemática, trabaja para un departamento de ciencias de la computación y escribió un libro de R realmente bueno, que recomiendo para las personas que desean pasar mejor a la siguiente etapa de programación de R (en lugar de simplemente ajustar modelos con funciones enlatadas).

Estadísticas de OpenIntro

http://www.openintro.org/stat/textbook.php

Las copias de bolsillo económicas también están disponibles en Amazon.

¡Una nueva visión de las estadísticas de Will G. Hopkins es genial! Está diseñado para ayudarlo a comprender cómo comprender los resultados de los análisis estadísticos, no cómo probar los teoremas estadísticos.

No es específico de estadísticas, pero un buen recurso es: http://www.reddit.com/r/mathbooks Además, George Cain de Georgia Tech mantiene una lista de textos de matemáticas disponibles gratuitamente que incluye algunos textos estadísticos. http://people.math.gatech.edu/~cain/textbooks/onlinebooks.html

Realmente me gustan estos dos libros de Daniel McFadden de Berkeley:

http://elsa.berkeley.edu/users/mcfadden/e240a_sp98/e240a.html

http://elsa.berkeley.edu/users/mcfadden/e240b_f01/e240b.html

Para entrar en procesos estocásticos y SDE, las notas de clase de Tom Kurtz son difíciles de superar. Comienza con una revisión decente de la probabilidad y algunos resultados de convergencia, y luego se sumerge directamente en procesos estocásticos de tiempo continuo en un lenguaje bastante claro y comprensible. En general, es uno de los mejores libros sobre el tema, gratuito o no, que he encontrado.

" Una introducción al aprendizaje estadístico con aplicaciones en R " http://www-bcf.usc.edu/~gareth/ISL/ por dos de los 3 autores de los conocidos " Los elementos del aprendizaje estadístico " más otros 2 autores . Una introducción al aprendizaje estadístico con aplicaciones en R está escrita en un nivel más introductorio con menos conocimientos matemáticos requeridos que los Elementos del aprendizaje estadístico, hace uso de R (a diferencia de los elementos del aprendizaje estadístico) y se publicó por primera vez en 2013, algunos años después de este hilo se inició.

Algunos libros de texto gratuitos de estadísticas también están disponibles aquí .

Cosma Shalizi, gurú de CMU ML, ocasionalmente actualiza un borrador de un libro de estadísticas que pronto será publicado por Cambridge Press titulado Análisis avanzado de datos desde un punto de vista elemental . No puedo recomendarlo lo suficiente ...

Aquí está la tabla de contenido:

I. Regression and Its Generalizations
Regression Basics
The Truth about Linear Regression
Model Evaluation
Smoothing in Regression
Simulation
The Bootstrap
Weighting and Variance
Splines
Additive Models
Testing Regression Specifications
Logistic Regression
Generalized Linear Models and Generalized Additive Models
Classification and Regression Trees 

II. Distributions and Latent Structure
Density Estimation
Relative Distributions and Smooth Tests of Goodness-of-Fit
Principal Components Analysis
Factor Models
Nonlinear Dimensionality Reduction
Mixture Models
Graphical Models 

III. Dependent Data
Time Series
Spatial and Network Data
Simulation-Based Inference 

IV. Causal Inference
Graphical Causal Models
Identifying Causal Effects
Causal Inference from Experiments
Estimating Causal Effects
Discovering Causal Structure 

Appendices
Data-Analysis Problem Sets
Reminders from Linear Algebra
Big O and Little o Notation
Taylor Expansions
Multivariate Distributions
Algebra with Expectations and Variances
Propagation of Error, and Standard Errors for Derived Quantities
Optimization
chi-squared and the Likelihood Ratio Test
Proof of the Gauss-Markov Theorem
Rudimentary Graph Theory
Information Theory
Hypothesis Testing
Writing R Functions
Random Variable Generation

Vale la pena consultar el Manual de estadísticas electrónicas de Statsoft ('El único recurso de Internet sobre estadísticas recomendado por la Enciclopedia Británica').

Algunas notas descargables sobre probabilidad, que parece interesante: http://www.math.harvard.edu/~knill/teaching/math19b_2011/handouts/chapters1-19.pdf

Probabilidad aplicada: http://www.acsu.buffalo.edu/~bialas/EAS305/docs/EAS305%20NOTES%202005.pdf

http://www.ma.huji.ac.il/~razk/Teaching/LectureNotes/LectureNotesProbability.pdf

Sé que otros autores se han tomado algunas molestias para hacer que sus libros estén disponibles aquí en el intercambio de pila ... La versión impresa de nuestra edición de 2002 se imprimió 3 veces y se agotó 3 veces; Springer y Google recientemente comenzaron a venderlo (solo libro) como un libro electrónico en PDF (sin software) en los sitios de Springer y Google por $ 79.

Estamos encantados de poder hacer que la versión PDF eBook (edición 2002) esté disponible GRATIS para los usuarios de stackexchange en:

http://www.mathstatica.com/book/bookcontents.html

Esta es una versión completa en PDF de la edición impresa original de 2002. Aunque no se incluye ningún software (ni Mathematica ni mathStatica ), los métodos, teoremas, tablas de resumen, ejemplos, ejercicios, teoremas, etc. son todos útiles y relevantes ... incluso como texto de referencia para personas que ni siquiera tienen Mathematica .

Uno puede descargar:

• todo el libro como un solo archivo de descarga ... con tabla de contenido en la que se puede hacer clic, etc., o ...

• capítulo por capítulo

instalación de iBooks

Para instalar como un iBook:

• Descargue todo el libro en un solo archivo PDF

• Luego arrástrelo a iBooks (en la sección: archivos PDF).

instalación de iPad

Para instalar en un iPad:

• Primero instálelo como un iBook (como arriba)

• Abrir iTunes; selecciona tu iPad; haz clic en Libros: selecciona el libro y sincronízalo con tu iPad.

Es agradable ver a los académicos distribuir libremente sus trabajos. Aquí hay un montón de libros gratuitos de ML / Stats en PDF:

Aprendizaje automático

• Elementos de aprendizaje estadístico Hastie, Tibshirani, Friedman
• Todas las estadísticas Larry Wasserman
• Aprendizaje automático y razonamiento bayesiano David Barber
• Procesos gaussianos para el aprendizaje automático Rasmussen y Williams
• Teoría de la información, inferencia y algoritmos de aprendizaje David MacKay
• Introducción al aprendizaje automático Smola y Vishwanathan
• Una teoría probabilística del reconocimiento de patrones Devroye, Gyorfi, Lugosi
• Introducción a la recuperación de información Manning, Rhagavan, Shutze
• Pronósticos: principios y práctica Hyndman, Athanasopoulos (Libro en línea)

Probabilidad / Estadísticas

• Introducción al pensamiento estadístico Lavine
• Teoría de probabilidad básica Robert Ash
• Introducción a la probabilidad Grinstead y Snell
• Principio de incertidumbre Kadane

Álgebra Lineal / Optimización

• Álgebra lineal, teoría y aplicaciones de Kuttler
• Álgebra Lineal Hecho Treu incorrecto
• Computación Numérica Aplicada Vandenberghe
• Álgebra lineal numérica aplicada James Demmel
• Optimización convexa Boyd y Vandenberghe

Algoritmo genético

• Una guía de campo para la programación genética Poli, Langdon, McPhee
• Evolucionado para ganar Sipper
• Fundamentos de la metaheurística Luke

Una redacción de tutoriales de probabilidad y acertijos relacionados junto con el código R para el aprendizaje. Espero eso ayude

No es un libro de texto completo, pero la parte IV de Mathematics for Computer Science trata sobre la probabilidad y las variables aleatorias.

http://www.probabilitycourse.com/ es un sitio web que aloja un libro de texto gratuito de Probabilidad y Estadística en línea. También tiene características adicionales como herramientas gráficas y videos de conferencias.

Aquí también hay un gran libro gratuito sobre estadísticas multivariadas de Marden, que se ocupa principalmente del modelo lineal normal vinculado en esta página:

http://istics.net/stat/pages/Statistical%20education/Statistics%20text%20books-%20Free%20and%20not%20free.html

No es un libro de texto, pero los Métodos Bayesianos en la Búsqueda del MH370 son una gran introducción a los filtros de partículas.

Puede encontrar un libro de texto digital sobre probabilidad y estadísticas de M. Taboga en https://www.statlect.com. El nivel es intermedio. Tiene cientos de ejercicios y ejemplos resueltos, así como pruebas paso a paso de todos los resultados presentados.