Choisir entre «Statistics» par Freedman et al., Et «Statistical Models: Theory and Practice» par Freedman

Je ne suis pas statisticien, mais je suis très intéressé par les statistiques et j'aimerais acheter un livre à conserver comme référence. J'ai quelques livres sur des sujets spécifiques (tels que les éléments de l'apprentissage statistique pour l'apprentissage automatique ou l'analyse des données bayésiennes pour ... eh bien, l'analyse des données bayésiennes :) Je cherchais également un livre plus générique.

Les livres de Freedman sont souvent bien considérés ici:

Recommandation de livres de statistiques avancées

Quel livre recommanderiez-vous aux scientifiques non statisticiens?

Les statistiques de Freedman, Pisani et Purves (A) sont la réponse choisie pour cette dernière question, et j'allais l'acheter. Cependant, j'ai découvert les modèles statistiques: théorie et pratique (B). Les deux livres semblent similaires (pour ce que je peux dire: Amazon m'empêche même de lire les TdC complets ... Je ne sais pas pourquoi). Les dates de publication sont très proches. Pourtant:

• B est considérablement moins cher. Je pourrais utiliser A, cependant, si A est clairement meilleur que B, je suis prêt à opter pour A.
• A est plus long, mais il me semble que les principaux chapitres manquants de B sont liés à la probabilité. Je n'ai pas besoin de cette pièce, donc si c'est la seule différence ou la principale différence, je préfère acheter le B moins cher et plus transportable :)

Quel livre suggéreriez-vous que j'achète?

Ils sont assez différents.

(A) est explicitement introductif (mais à bien des égards pas élémentaire). Cela peut sembler contradictoire: il est peut-être juste de dire que (A) suppose des lecteurs intelligents désireux de réfléchir sérieusement, mais pas des connaissances antérieures en statistiques. Il n'y a pas de gadgets tels que des photographies en couleurs de gens heureux, des boîtes de toutes sortes avec des matériaux supplémentaires ou des histoires grossières basées sur les expériences plus sauvages de l'auteur ou une imagination trop fertile. (Je fais allusion sans référence à certaines des alternatives les plus épouvantables du marché.) Un élève du secondaire intelligent ou toute personne qui se souvient de la plupart de ses mathématiques au secondaire trouverait cela gratifiant, ainsi que le marché de premier cycle le plus évident.

(B) est plus un deuxième texte et serait difficile à suivre pour quiconque ne trouverait pas le contenu de (A) familier. Je dirais que (B) dépend du fait que les lecteurs ont rencontré la plupart des documents au moins une fois auparavant, car de nombreuses explications sont intelligemment concises mais tout aussi plutôt condensées. Je dirais que c'est vraiment pour les chercheurs, les étudiants de premier cycle en dernière année préparant un mémoire ou un document de recherche. C'est aussi plus d'opinion, que vous aimerez ou détesterez selon que vous êtes d'accord avec Freedman, dont les normes élevées excluaient souvent presque tout le monde.

Je relis (A) avec profit et plaisir toutes les quelques années et je le fais depuis la première édition (avec écrémage et saut).

Divulgation: je ne suis pas non plus un statisticien; je n'ai jamais non plus suivi de cours dispensés par des statisticiens.

Gossip: Une biographie de John Tukey (voir ici pour plus de détails et une critique) comprend deux fois une histoire non documentée selon laquelle David Freedman en tant qu'étudiant diplômé de Princeton ne pouvait vraiment pas s'entendre avec le style d'enseignement parfois elliptique et insaisissable de Tukey. Il est tentant de supposer que cela a pu être une raison sous-jacente pour laquelle (A) évite les diagrammes en boîte et les méthodes exploratoires de Tukeyish en général.

Je suis statisticien, je l'ai enseigné pendant 40 ans, principalement aux biologistes. La réponse de Nick Cox ci-dessus est morte. À mon avis, "FPP" est de loin le meilleur livre d'introduction sur les statistiques. Accent mis sur les concepts, les grands exemples (même si j'aimerais que plus viennent de la biologie!), Et les contre-exemples (montrant comment «l'évidence» peut parfois être faux) et les exercices. C'est une lecture facile, mais cela peut être trompeur: il faut réfléchir. "Modèles statistiques" (Freedman) est un livre de deuxième ou troisième cours. C'est aussi très conceptuel. Vous voudriez probablement un livre plus standard pour apprendre les bases des méthodes des moindres carrés (régression, anova, etc.). Freedman est plus préoccupé par le moment où les modèles sont justifiés (généralement comme de bonnes approximations de la "vérité") et par la négative. Très important maintenant, lorsque vous pouvez exécuter des modèles très complexes en un peu plus que la simple pression d'un bouton, mais que vous n'avez pas une grande idée de ce que vous supposez ou de la signification des résultats. Le livre de Davison est également excellent, mais plus technique et pratique: il décrit les modèles standard les plus importants (et certains moins standard) dans une variété de domaines et montre comment les analyser.