統計的コンテキストを消化するには？

まず、この興味深いサイトのすべてのアクティブなメンバーが統計学者であるとは限りません。それ以外の場合、次のように尋ねられる質問は意味をなしません！もちろんそれらは尊重しますが、概念的な説明よりも少し実用的な説明が必要です。

定義するウィキペディアの例から始めますpoint process。

Sをボレルσ代数B（S）を備えた局所的にコンパクトな2番目の可算ハウスドルフ空間とする。書き込み Sと上のローカル有限カウント対策のセットのためのNの最小σ代数のためのNのすべてのポイント数をレンダリングする...測定可能。$\mathfrak{N}$$\mathcal{N}$$\mathfrak{N}$

私にはこれは意味がありません。エンジニアリングのコンテキストでの説明は、私にとってより理解しやすいものです。

コメント：ほとんどの場合、ウィキペディアの説明は、（少なくとも私にとっては）同様の複雑なテキストのために役に立たないと感じました。私の経験から、統計に関する参考書は2種類のみです。a ）非常に単純化されたb）非常に複雑な 両方を読むことは、私にはまったく利益がありません！

質問：

• この問題の解決策はありますか？または同様の経験？

この投稿が有用であると感じた人には、チェックするメリットもあります：異なる観点から関連トピックを議論するクライアントに統計を相談するためのリファレンス。

私が明確にしたい場合、あなたの質問は「ウィキペディアのような主要なリソースが意味をなさない場合、数学を理解するために何を使用できますか？」概念をマスターした人でさえ、それを理解していない期間から始めてから、学習プロセスを経なければならないことに留意してください。

ウィキペディアで非常にひどく説明されているものを研究するのに多くの時間を費やしてきたので、概念を非常によく理解していても、1人または複数の著者/編集者の心に何が起こっているのか理解することは難しいことを保証できますウィキペディアで。概念を非常に大まかに把握している人々や、基本概念に対する別の分野の弱い把握を進めている人々によって、数学的および統計的な概念が損なわれているのは珍しいことではありません。（私はもっと言いますが、ウィキペディアン、特に特定の他の分野の人々の努力について過度に悲観的に聞こえることなくそうすることは困難です。）

より建設的な注意として、最良の参照は、通常、出版社によって編集された教科書であり、特定の分野で優れた作品を編集および公開した確かな実績があります。そのような場合の著者と編集者は、彼らの奨学金と厳格さの質について同業者の間で評判があり、一連の連続した版は通常、他の教師と研究者による受け入れを示します。

そのレベルとウィキペディアの間には多くのレベルの品質があります。印刷版が利用できない場合は、Amazonの「書籍内を検索する」またはGoogleブックスを使用するのが最善の選択肢です。

他のWebアクセス可能なリファレンスについては、専門家でない実務家向けのレビュー記事またはマニュアルが最も役立つことがあります。この例は、NISTが発行する統計ハンドブックです。

Google Scholarで記事を探すことにより、独自の理解を統合する必要がある場合があります。たとえば、[[ポイントプロセスはa]]をクエリして、さまざまな記事で提供されている定義を調べることができます。または、["point process" pdf site：edu]のようなWeb検索では、講義ノート、スライド、およびチュートリアルが表示されます。このクエリの最初の結果は、「ポイントプロセスの概要」です。重要な考えは、参照が何らかの関連する説明があることを示すことを意図しているかどうかに関係なく、概念を定義し紹介する適切なレベルの資料に現れる傾向があるか、現れる可能性のある用語を検索することですジャーナルの記事は、入門的なテキストを意図していない場合でも、有用な方法で何かを定義できます）。

Wikipediaでの悪い編集に反対することは不可能です。特定の記事では、悪い編集者の数がエラーの修正を許容できる人の数を超えています。

あなたがどこから来たのか理解しています。私の心理学の分野では、統計を表面的な方法で提示する多くのリソースがあります。これは多くの学生にとっては問題ありませんが、そのような本はより洗練された本を読むための前提条件を提供しません。

（a）さまざまな統計資料の範囲と、さまざまなリソースが示唆する必要な前提条件のより良い全体像を把握する必要があるようです。（b）学習目標を定義します。（c）現在の知識を特定します。（d）学習環境を作成するためにすべてをまとめる。

A.統計リソースの状況を把握する

おそらくこれは、厳密で数学的洗練の連続体の上に組織された入門的な統計リソースの概観の大まかな意味を提供します。

• クックブック：一部のリソースにはクックブックスタイルがあり、ソフトウェアの使用方法を示し、使用するタイミングと統計出力の解釈方法に関するヒントを提供します（SPSS Survival Manualなど）。これらの本は、標準化されたデータ分析のニーズを持ち、より深い学習に従事する時間も傾向もない人々のための目的に役立ちます。
• 統計の標準的な紹介：数学的な厳密さの程度が異なる入門的な統計書も幅広くあります。いくつかの唯一の前提条件は、基本的な代数を実行できることです。HyperStatは1つのオンライン例を提供します。
• より洗練された統計の紹介：ほぼ間違いなく連続ですが、他の統計の紹介はもう少し数学的に厳密です。大きな違いは、教科書が読者が微積分と線形代数に精通していると仮定するかどうかにあるように思えます。@iteratorが指摘したように、オンラインの工学統計ハンドブックは、このようなより洗練されたリソースの一例です。
• 数学的統計：次のレベルの厳密さは、数学的統計として分類できるリソースです。たとえば、確率と統計のVirtual Laboratories、数学統計に関するこのMIT科目のコースノート、または数学統計に関するビデオコースのいくつかをご覧ください。

B.学習目標を定義する

この統計知識で何をしたいですか？数学的厳密性はどれほど重要ですか？ウィキペディアに表示される可能性のある数学的に洗練された説明を理解する必要がありますか？

C.現在の知識を特定する

社会科学の多くの学生にとって、数学的に洗練された教科書を効果的に活用するには、大量の数学を学習または更新する必要があります。ただし、エンジニアリングのバックグラウンドがある場合は、より数学的な扱いをすることは大きな問題ではないと思います。

D.すべてをまとめる

学習したいこと、すでに知っていること、および新しい教材を学習するために必要な前提条件を定義したら、課題はあなたに最適なリソースを見つけることです。

• リソースはインターネット上で自由に利用できる必要がありますか、それとも本を購入したり借りたりしてもいいですか？
• 教科書スタイルのリソースから十分に学ぶことができますか、またはコースが提供する資料と構造を説明する講師がいる教室環境が必要ですか？
• 特定の教科書を追いかけている場合、どの教科書が最も明確で、最高だと思いますか？

上記の質問に対する回答が得られたら、このサイトに適したより具体的な質問があるかもしれません。たとえば、「x、y、zを知っています。a、b、cを説明する優れた教科書は何ですか？」

Iteratorによる優れた回答に追加するだけです。概念を正しく使用するために、概念を理解する必要がない場合があります。記事を読むときによく知らない概念に出くわしますが、外部ソースでそれらの意味を理解しようとする前に、未知の概念が何かの単なる空想的な名前だと仮定すると、何が起こっているのかを理解できるかどうかを常に確認しています私がすでに知っていること。多くの場合、その新しい概念の特定の簡単に理解できるプロパティのみが使用されるため、最終的には記事の著者が何をしたかを理解し、それが有用かどうかを判断できます。

$S=\mathbb{R}^d$$\mathbb{R}^d$$S=\mathbb{R}^d$他のすべてを無視します。不明な概念は、特定の問題に対して非常に単純になる可能性があります。

このアプローチは常に機能するとは限らないことに注意してください。時には深く掘り下げる必要がある場合もありますが、ウィキペディアは検索の出発点と同じくらい良いものです。この場合、良い本に勝るものはありません。時には非常に簡単に見つけることができますが、残念ながら何もない場合もあります。

問題は存在するが、あなたはそれを誇張しすぎていると思う。検索に固執している場合、非常に有用な書籍や、非常に技術的なものの中間に位置する他の情報源を見つけることができます（たとえば、Journal of the American Statistical Associationのほとんどの記事、Andrew Gelman、Bradley Efron、またはドナルドルービン）と非常にシンプル。私は、これらの「中間」ソースを自分で検索するのにかなりの時間を費やしました。私の推奨事項のいくつかを見たい場合は、yellowbrickstats.comでそれらのセットを見つけることができます。また、ノースカロライナ州立大学のデビッドガーソンのサイトで役立つ情報をよく見つけます。