シミュレーション/予測/関数推定などの統計分析の可能性に非常に興味があります。
しかし、私はそれについてあまり知りませんし、私の数学的な知識はまだかなり限られています-私はソフトウェア工学の学部生です。
線形回帰とその他の回帰、ベイジアン法、モンテカルロ法、機械学習など、読み続けている特定のことから始められる本を探しています。両方を組み合わせた本がありました。
できれば、技術的な詳細ではなく概念的に物事を説明してください。統計には非常に多くの危険な落とし穴があることを理解しているため、統計を非常に直感的にしたいと思います。
価値があると思われるトピックの理解を深めるために、もっと本を読むつもりはありません。
回答:
たぶん、Rを使用したデータ分析とグラフィックスのようなものが必要でしょう： John MaindonaldとW. John Braunによる事例ベースのアプローチ
@Greg Snowには、多くの異なる本を読むという観点から考える方が良いかもしれないことに同意します。あなたが言及した各トピック（例えば、ベイジアン統計、時系列、シミュレーション、R、機械学習）には、その特定のトピック専用の優れた本があります。あなたはそのトピックにあなたの特定の関心を与えられた良い本だろうかについて、別々の質問をしたいかもしれません。
自由に利用できる優れたオンラインオプション
これらすべてのトピックを含む1冊の本は非常に印象的で、おそらくあなたよりも重くなります。それは、基本的なプログラミング、C、Java、Perl、および高度なデータベース設計をすべて1つの本で教える1冊の本を求めるようなものです（実際にはおそらくもっと多く、しかし、より高度なものを追加するのに十分なソフトウェアエンジニアリング用語は知りません） 。
回帰自体は通常、少なくともフルカレッジコースであり、ベイジアン統計は、ベイジアンコースを完全に理解するなどする前に、コースまたは理論の2つを必要とします。
あなたがしようとしていることへの迅速かつ簡単な道はありません。あなたの大学でいくつかの良いコースを受講し、そこから仕事をすることをお勧めします。
他にも良い本についての議論があり、いくつかのアイデアを探すことができます。
@Jeromy Anglimが言及したMaindonaldとBraunのテキストに加えて、Rとあなたが説明する多くの方法の組み合わせについては、Julian Farawayによる次の2冊の本をご覧になることをお勧めします。
どちらもさまざまなトピックの合理的な簡単な紹介があり、後者は多くの機械学習手法を含む回帰に対するより現代的なアプローチの範囲をカバーしていますが、より少ない記述でより速いペースで行い、両方ともRコードを介して手法を例示します。
Chapman＆Hall / CRC Pressから直接購入した場合、Rウェブサイトの書籍セクションからコードを取得してRRPを20％オフにすることができますが、Amazonでの割引は競争的であることが多いため、地域のAmazon価格などを確認してください割引後の出版社の価格で。
この2冊の本の良い点の1つは、より専門的なテキストを使用してさらに詳細にしたい領域を探索するのに十分な詳細を備えた現代的な方法の優れたフレーバーを提供することです。
それらの本に入ったコンテンツの一部は、Rウェブサイトの寄稿文書セクションを介して、ジュリアンによるオンラインPDFで入手できます。そのセクションを参照して、現金を払わなくても開始できる他のドキュメントがあるかどうかを確認することをお勧めします。MaindonaldとBraunのテキストの初版になったテキストの初期バージョンもこのセクションにあります。
さて、ほとんどの統計的手法の概要とそれらのRコードが必要な場合は、次の点に注意してください。 、SのVenablesとRipleyのModern Applied Statisticsを犯す。
その簡潔で明快で、あなたが名前を付けたい統計的トピックのほとんどを始めるための十分なRコードを持っています。
私はこの本を購入し、価格とページ数の両方について慎重でしたが、投資する価値は十分にありました。彼らは微積分と線形代数を仮定しますが、あなたがエンジニアであるならば、それはあまり大きな問題ではないはずです。
彼らのSプログラミングも素晴らしいですが、おそらくあなたが今探しているものではないでしょう。
統計学習の要素は、初心者にとってはほとんど威圧的ではありません。ここから無料でダウンロードできる「Rのアプリケーションによる統計的学習の概要」を読むことをお勧めします-> http://www-bcf.usc.edu/~gareth/ISL/ また、Rの例を出してきましたすべての章の終わりに。
スティーブンマースランドによる「機械学習：アルゴリズムの視点」では、数学に過度に取り組むことなく、幅広いトピックを取り上げています。
これまでの回答は、アプリケーション側の面で多くのことがあります。概念的な資料と優れた統計的思考に関しては、確率論：エドウィン・ジェインズによる科学の論理をお勧めします。最初の3つの章は無料で利用できますここでます
ただし、コンピュータープログラムの方法にはそれほど大きな影響はありません。そのため、アプリケーションの側面は、より様式化された問題にあります。確率理論のパラドックスに関するすばらしい章がありますが、1つの例外を除いて、ここでは正しく解決されています（ただし、不適切な事前確率は一連の適切な事前確率の制限であるという点で、Jaynesは基本的に「レッスンを受けます」） 。
これまでに行われた提案はすべて優れていますが、Rソフトウェアを使用した最も高度で洗練された手法に焦点を当てています。古典的な多変量テクニックの優れた直感的な概要、回帰、ANOVA、因子分析、クラスター分析、判別分析、分割表分析、構造方程式分析、ディロンおよびゴールドスタインの多変量を含む最新のアプローチの基礎となるフレームワーク80年代にWileyによって公開された統計は、今でも古典的です。それは明快で、例に過度に理論的であるかソフトウェアに結婚することなく適用されます。
Dillon and Goldsteinは、現代の機械学習方法の起源を理解したい人におすすめの本です。
ShumwayとStofferによる「時系列分析とRの例によるそのアプリケーション」をお勧めします
第3版：http : //www.stat.pitt.edu/stoffer/tsa3/
クリックして購入http://www.amazon.com/Time-Analysis-Its-Applications-Statistics/dp/144197864X/ref=dp_ob_title_bk