Saya bukan ahli statistik, tetapi saya sangat tertarik dengan statistik dan saya ingin membeli buku untuk dijadikan referensi. Saya punya beberapa buku tentang mata pelajaran tertentu (seperti Elemen Pembelajaran Statistik untuk pembelajaran mesin atau Analisis Data Bayesian untuk ... well, Bayesian Data Analysis :) Saya juga mencari buku yang lebih umum.
Buku-buku Freedman sering dipertimbangkan dengan baik di sini:
Rekomendasi buku statistik lanjutan
Buku apa yang akan Anda rekomendasikan untuk ilmuwan non-statistik?
Statistik oleh Freedman, Pisani dan Purves (A) adalah jawaban yang dipilih untuk pertanyaan terakhir, dan saya akan membelinya. Namun, saya menemukan tentang Model Statistik: Teori dan Praktek (B). Kedua buku itu tampak serupa (untuk apa yang bisa saya katakan: Amazon membatasi saya bahkan dari membaca ToCs lengkap ... Saya tidak tahu mengapa). Tanggal publikasi sangat dekat. Namun:
- B jauh lebih murah. Namun, saya bisa mendapatkan nilai A, jadi jika A jelas lebih baik daripada B, saya bersedia memilih A.
- A lebih panjang, tetapi bagi saya tampaknya bab-bab utama yang hilang dari B terkait dengan probabilitas. Saya tidak membutuhkan bagian itu, jadi jika itu satu-satunya perbedaan atau perbedaan utama, saya lebih suka membeli B yang lebih murah dan lebih mudah diangkut :)
Buku mana yang akan Anda sarankan untuk saya beli?
sumber
Jawaban:
Mereka sangat berbeda.
(A) secara eksplisit merupakan pengantar (tetapi dalam banyak hal tidak elementer). Itu mungkin tampak kontradiktif: mungkin adil untuk mengatakan bahwa (A) mengasumsikan pembaca cerdas yang mau berpikir keras, tetapi tidak pengetahuan statistik sebelumnya. Tidak ada tipuan seperti foto berwarna orang-orang bahagia, kotak-kotak dari berbagai jenis dengan bahan tambahan, atau cerita kasar berdasarkan pengalaman liar penulis atau imajinasi yang terlalu subur. (Saya menyinggung tanpa referensi ke beberapa alternatif yang lebih mengerikan di pasar.) Seorang siswa sekolah menengah yang cerdas atau siapa pun yang ingat sebagian besar matematika sekolah menengah mereka akan menemukan itu bermanfaat, serta pasar sarjana lebih jelas.
(B) lebih merupakan teks kedua dan akan sulit bagi siapa saja yang tidak menemukan konten (A) yang familier. Saya akan mengatakan (B) tergantung pada pembaca yang telah menemukan sebagian besar materi setidaknya satu kali sebelumnya, karena banyak penjelasannya yang cerdik, tetapi sama-sama agak kental. Saya akan mengatakan itu benar-benar untuk peneliti, sarjana tahun terakhir minimal mempersiapkan disertasi atau makalah penelitian. Ini juga lebih banyak pendapat, yang Anda akan suka atau benci menurut apakah Anda setuju dengan Freedman, yang standar tingginya sering mengecualikan hampir semua orang lain.
Saya membaca kembali (A) dengan keuntungan dan kesenangan setiap beberapa tahun dan telah melakukannya sejak edisi pertama (dengan membaca sepintas lalu).
Pengungkapan: Saya juga bukan ahli statistik; saya juga tidak pernah mengikuti kursus yang diajarkan oleh ahli statistik.
Gosip: Sebuah biografi John Tukey (lihat di sini untuk perincian dan ulasannya) dua kali memuat kisah tidak berdokumen bahwa David Freedman sebagai mahasiswa pascasarjana di Princeton benar-benar tidak dapat melanjutkan gaya mengajar Tukey yang terkadang elips dan sulit dipahami. Sangat menggoda untuk berspekulasi bahwa ini mungkin menjadi alasan mendasar mengapa (A) menghindari plot kotak dan metode eksplorasi Tukeyish secara umum.
sumber
Saya seorang ahli statistik, mengajarnya selama 40 tahun, terutama untuk ahli biologi. Jawaban Nick Cox di atas sudah mati. Menurut pendapat saya, "FPP" sejauh ini masih merupakan buku pengantar statistik terbaik. Penekanan kuat pada konsep, contoh-contoh hebat (meskipun saya berharap lebih banyak dari biologi!), Dan contoh-contoh tandingan (menunjukkan bagaimana 'yang jelas' terkadang salah), dan latihan. Ini mudah dibaca, tetapi ini bisa menipu: Anda harus berpikir. "Model Statistik" (Freedman) adalah buku kursus kedua atau ketiga. Ini juga sangat konseptual. Anda mungkin menginginkan buku yang lebih standar untuk mempelajari dasar-dasar metode kuadrat terkecil (regresi, anova, dll.). Freedman lebih peduli tentang kapan model dibenarkan (biasanya sebagai perkiraan yang baik untuk "kebenaran") dan kapan tidak. Sangat penting sekarang, ketika Anda dapat menjalankan model yang sangat kompleks hanya dengan menekan satu tombol, tetapi tidak memiliki banyak gagasan tentang apa yang Anda asumsikan atau apa arti hasilnya. Buku Davison juga sangat bagus, tetapi lebih teknis dan praktis: ia menggambarkan model standar yang paling penting (dan beberapa kurang standar) di berbagai bidang dan menunjukkan cara untuk menganalisisnya.
sumber