No soy estadístico, pero estoy muy interesado en las estadísticas y me gustaría comprar un libro para tener como referencia. Tengo algunos libros sobre temas específicos (como Los elementos del aprendizaje estadístico para el aprendizaje automático o el Análisis de datos bayesianos para ... bueno, Análisis de datos bayesianos :) También estaba buscando un libro más genérico.
Los libros de Freedman a menudo son bien considerados aquí:
Recomendación de libros de estadísticas avanzadas
¿Qué libro recomendarías para los científicos no estadísticos?
Las estadísticas de Freedman, Pisani y Purves (A) son la respuesta elegida para la última pregunta, e iba a comprarla. Sin embargo, descubrí los modelos estadísticos: teoría y práctica (B). Los dos libros parecen similares (por lo que puedo decir: Amazon me restringe incluso de leer los ToC completos ... No sé por qué). Las fechas de publicación son muy cercanas. Sin embargo:
- B es considerablemente más barato. Sin embargo, podría usar A, así que si A es claramente mejor que B, estoy dispuesto a ir por A.
- A es más largo, pero me parece que los capítulos principales que faltan en B están relacionados con la probabilidad. No necesito esa parte, así que si esa es la única diferencia o la diferencia principal, prefiero comprar el B más barato y más transportable :)
¿Qué libro sugerirías que compre?
fuente
Respuestas:
Son bastante diferentes
(A) es explícitamente introductorio (pero en muchos sentidos no es elemental). Eso puede parecer contradictorio: quizás sea justo decir que (A) asume lectores inteligentes dispuestos a pensar mucho, pero no conocimiento previo de estadísticas. No hay trucos como fotografías en color de personas felices, cajas de varios tipos con materiales adicionales o historias groseras basadas en las experiencias más salvajes del autor o una imaginación demasiado fértil. (Aludo sin referencias a algunas de las alternativas más espantosas en el mercado). Un estudiante de secundaria inteligente o cualquiera que recordara la mayoría de sus matemáticas en la escuela secundaria lo encontraría gratificante, así como el mercado universitario más obvio.
(B) es más un segundo texto y sería difícil para cualquiera que no encontrara familiar el contenido de (A). Diría que (B) depende de que los lectores hayan encontrado la mayor parte del material al menos una vez antes, porque muchas de las explicaciones son ingeniosamente concisas pero igualmente bastante condensadas. Yo diría que es realmente para investigadores, estudiantes de pregrado de último año que preparan una tesis o un trabajo de investigación. También es más obstinado, lo que le encantará o detestará según esté de acuerdo con Freedman, cuyos altos estándares a menudo excluyeron el trabajo de casi cualquier otra persona.
Vuelvo a leer (A) con provecho y placer cada pocos años y lo he hecho desde la primera edición (con skimming y skipping).
Divulgación: tampoco soy estadístico; Tampoco he tomado cursos impartidos por estadísticos.
Chismes: una biografía de John Tukey (ver aquí para más detalles y una revisión) incluye dos veces una historia indocumentada que David Freedman como estudiante graduado en Princeton realmente no pudo seguir con el estilo de enseñanza a veces elíptico y esquivo de Tukey. Es tentador especular que esto puede haber sido una razón subyacente por la cual (A) evita los diagramas de caja y los métodos exploratorios Tukeyish en general.
fuente
Soy estadístico, lo enseñé durante 40 años, principalmente a biólogos. La respuesta anterior de Nick Cox es acertada. En mi opinión, "FPP" sigue siendo, con mucho, el mejor libro de introducción a las estadísticas. Fuerte énfasis en los conceptos, excelentes ejemplos (¡aunque desearía que más fueran de la biología!) Y contraejemplos (que muestran cómo "lo obvio" a veces puede estar equivocado) y ejercicios. Es fácil de leer, pero puede ser engañoso: hay que pensar. "Modelos estadísticos" (Freedman) es un libro de segundo o tercer curso. También es muy conceptual. Probablemente desee un libro más estándar para aprender los conceptos básicos de los métodos de mínimos cuadrados (regresión, anova, etc.). Freedman está más preocupado sobre cuándo los modelos están justificados (generalmente como buenas aproximaciones a la "verdad") y cuándo no. Muy importante ahora cuando puede ejecutar modelos muy complejos con poco más que presionar un botón, pero no tiene mucha idea de lo que asumió o lo que significan los resultados. El libro de Davison también es excelente, pero más técnico y práctico: describe los modelos estándar más importantes (y algunos menos estándar) en una variedad de áreas y muestra formas de analizarlos.
fuente