Existem livros didáticos estatísticos gratuitos disponíveis?
Respostas:
Os livros on-line incluem
Atualização: agora posso adicionar meu próprio livro de previsão
Os elementos de aprendizagem estatística de Hastie, Tibshirani e Friedman é um texto padrão para estatística e mineração de dados e agora é gratuito:
https://web.stanford.edu/~hastie/ElemStatLearn/
Também disponível aqui .
Há um excelente livro de probabilidades aqui: http://www.dartmouth.edu/~chance/teaching_aids/books_articles/probability_book/book.html, que você também pode comprar em cópia impressa .;
Eu sempre achei o Manual de Estatísticas de Engenharia útil. Pode ser encontrado aqui .
Embora eu nunca tenha lido isso, eu ouço Introdução à Probabilidade e Estatística O uso de R é muito bom. É um ebook de aproximadamente 400 páginas (também disponível como um livro real). Como bônus, ele também ensina R, que é claro que você deseja aprender de qualquer maneira.
Eu realmente gosto de O Pequeno Manual de Prática Estatística, de Gerard E. Dallal
Aqui está um fresco: Introdução à Probabilidade e Estatística Usando R . É específico de R, porém, mas é ótimo. Ainda não li, mas parece bom até agora ...
Um dos mais populares , se não o mais popular, livros didáticos sobre aprendizado de máquina é Hastie, Tibshirani e Friedman, The Elements of Statistical Learning , que está totalmente disponível online (atualmente na 10ª impressão). É de alcance comparável, por exemplo, ao Bishop's Pattern Recognition e ML ou Murphy ML , mas esses livros não são gratuitos, enquanto ESL é.
Hastie & Tibshirani também co-escreveram livremente disponível Uma Introdução à Aprendizagem Estatística, com Aplicações em R, que é basicamente uma versão mais simples de The Elements e se concentra em R.
Em 2015, Hastie & Tibshirani foi co-autor de um novo livro Statistical Learning with Sparsity: The Lasso and Generalizations , também disponível online. Este é um pouco mais curto e se concentra especificamente no laço.
Outro livro didático abrangente sobre aprendizado de máquina disponível gratuitamente é o Bayesian Reasoning and Machine Learning, de David Barber . Eu não o usei, mas é amplamente considerado um excelente livro.
Mudando agora para tópicos mais especializados, existem:
Processos gaussianos de Rasmussen & Williams para aprendizado de máquina , que é o livro sobre processos gaussianos.
Muito aguardado livro didático de Goodfellow, Bengio e Courville Deep Learning que está prestes a ser publicado pelo MIT Press. Ainda não foi publicado, mas o livro já está disponível online. No site oficial, é possível visualizá-lo no navegador, mas não é possível fazer o download (conforme contrato com o editor), mas é fácil encontrar um PDF combinado, por exemplo, aqui no github .
Csaba Szepesvári, Algoritmos para Aprendizagem por Reforço , um livro conciso sobre RL. Um livro clássico, muito mais detalhado, mas um pouco datado, é Sutton & Barto, Reinforcement Learning: An Introduction, que também está disponível gratuitamente on-line, mas apenas em um formato HTML pesado.
Boyd e Vandenberghe, otimização convexa .
Norman Matloff escreveu um livro de estatística matemática para estudantes de ciência da computação que é gratuito. Tipo de nicho de mercado, suponho. Pelo que vale a pena, eu não li, mas Matloff tem um Ph.D. em estatística matemática, trabalha para um departamento de ciência da computação e escreveu um livro R realmente bom, que eu recomendo para pessoas que desejam ir melhor para o próximo estágio de programação R (em vez de apenas ajustar modelos com funções em lata).
Estatísticas do OpenIntro
http://www.openintro.org/stat/textbook.php
Cópias em brochura baratas também estão disponíveis na Amazon.
Uma nova visão das estatísticas de Will G. Hopkins é ótima! Ele foi desenvolvido para ajudá-lo a entender como entender os resultados das análises estatísticas, não como provar os teoremas estatísticos.
Não é específico às estatísticas, mas um bom recurso é: http://www.reddit.com/r/mathbooks Além disso, George Cain, da Georgia Tech, mantém uma lista de textos de matemática disponíveis gratuitamente, que inclui alguns textos estatísticos. http://people.math.gatech.edu/~cain/textbooks/onlinebooks.html
Eu realmente gosto desses dois livros 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 em processos estocásticos e SDEs, as notas de aula de Tom Kurtz são difíceis de bater. Começa com uma revisão decente da probabilidade e alguns resultados de convergência e, em seguida, mergulha diretamente em processos estocásticos no tempo contínuo, em linguagem bastante clara e compreensível. Em geral, é um dos melhores livros sobre o assunto - gratuitos ou não - que encontrei.
" Uma Introdução à Aprendizagem Estatística com Aplicações em R " http://www-bcf.usc.edu/~gareth/ISL/ por dois dos três autores do conhecido " Os Elementos da Aprendizagem Estatística " mais dois outros autores . Uma Introdução à Aprendizagem Estatística com Aplicações em R é escrita em um nível mais introdutório, com menos conhecimentos matemáticos exigidos que Os Elementos da Aprendizagem Estatística, utiliza R (ao contrário de Os Elementos da Aprendizagem Estatística) e foi publicada pela primeira vez em 2013, alguns anos após o início deste encadeamento.
Cosma Shalizi, guru do CMUs ML, ocasionalmente atualiza um rascunho de um livro de estatísticas que será publicado em breve pela Cambridge Press, intitulado Advanced Data Analysis from a Elementary Point of View . Não posso recomendar o suficiente ...
Aqui está o índice:
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 a pena conferir o Manual de Estatísticas Eletrônicas da Statsoft ('O único recurso da Internet sobre estatísticas recomendadas pela Encyclopedia Britannica').
Algumas notas para download sobre probabilidade, que parecem interessantes: http://www.math.harvard.edu/~knill/teaching/math19b_2011/handouts/chapters1-19.pdf
Probabilidade aplicada: http://www.acsu.buffalo.edu/~bialas/EAS305/docs/EAS305%20NOTES%202005.pdf
http://www.ma.huji.ac.il/~razk/Teaching/LectureNotes/LectureNotesProbability.pdf
Sei que outros autores se deram ao trabalho de disponibilizar seus livros aqui na troca de pilhas ... A versão impressa da nossa edição de 2002 foi impressa 3 vezes e esgotada 3 vezes; A Springer e o Google começaram recentemente a vendê-lo (apenas livro) como um e-book PDF (sem software) nos sites da Springer e do Google por US $ 79.
Estamos muito satisfeitos por poder disponibilizar GRATUITAMENTE a versão PDF do e-book (edição 2002) para trocar usuários de pilha em:
http://www.mathstatica.com/book/bookcontents.html
Esta é uma versão completa em PDF da edição impressa original de 2002. Embora nenhum software esteja incluído (nem o Mathematica nem o mathStatica ), os métodos, teoremas, tabelas de resumo, exemplos, exercícios, teoremas etc. são úteis e relevantes ... mesmo como um texto de referência para pessoas que nem sequer têm o Mathematica .
Pode-se baixar:
o livro inteiro como um único arquivo de download ... com um índice clicável ao vivo etc, ... ou
capítulo por capítulo.
instalação do iBooks
Para instalar como um iBook:
Faça o download do livro inteiro como um único arquivo PDF
Em seguida, arraste-o para o iBooks (na seção: arquivos PDF).
instalação do iPad
Para instalar em um iPad:
Primeiro instale-o como um iBook (como acima)
Abra o iTunes; selecione seu iPad; clique em Livros: selecione o livro e sincronize-o com o seu iPad.
É bom ver os acadêmicos distribuírem livremente seus trabalhos. Aqui estão vários livros gratuitos de ML / Stats em PDF:
Machine Learning
Probabilidade / Estatísticas
Álgebra Linear / Otimização
Algoritmo genético
Uma redação de tutoriais de probabilidade e quebra-cabeças relacionados, juntamente com o código R para aprendizado. Espero que ajude
Não é adequadamente um livro inteiro, mas a parte IV de Matemática para Ciência da Computação é sobre probabilidade e variáveis aleatórias.
http://www.probabilitycourse.com/ é um site que hospeda gratuitamente o livro de probabilidades e estatísticas online. Ele também possui recursos extras, como ferramentas gráficas e vídeos de palestras
Aqui também está um ótimo livro gratuito sobre estatísticas multivariadas de Marden, preocupado principalmente com o modelo linear normal vinculado nesta página:
Não é um livro didático, mas os métodos bayesianos na busca pelo MH370 são uma ótima introdução aos filtros de partículas.
Um livro digital sobre probabilidade e estatística de M. Taboga pode ser encontrado em https://www.statlect.com. O nível é intermediário. Possui centenas de exercícios e exemplos resolvidos, bem como provas passo a passo de todos os resultados apresentados.