통계적 맥락을 소화하는 방법?

먼저, 이 흥미로운 사이트의 모든 활동 회원이 통계 전문가 가 아니라고 생각합니다 . 그렇지 않으면 다음과 같은 질문이 의미가 없습니다! 물론 그것들을 존중하지만 개념보다는 좀 더 실용적인 설명이 필요합니다.

나는 Wikipedia 의 예제로 시작 하여 다음을 정의합니다 point process.

S를 Borel σ- 대수 B (S)가 장착 된 로컬로 초소형의 계산 가능한 Hausdorff 공간으로 두십시오. 쓰기 S와에 로컬 유한 계산 조치의 집합 N 에서 가장 작은 σ-대수 N 의 모든 지점 수를 렌더링 ... 측정.$\mathfrak{N}$$\mathcal{N}$$\mathfrak{N}$

나에게 이것은 의미가 없습니다. 엔지니어링 맥락에서의 설명은 더 이해하기 쉽습니다.

의견 : 대부분의 경우 비슷한 복잡한 텍스트 (적어도 나에게는) 로 인해 Wikipedia의 설명이 쓸모가 없다는 것을 알게되었습니다 . 내 경험으로는 통계에 대한 두 가지 유형의 참고 문헌이 있습니다 : a) 매우 단순화 된 b) 매우 복잡합니다! 둘 다 읽는 것은 전혀 나에게 유익하지 않습니다!

질문:

• 이 문제에 대한 해결책이 있습니까? 아니면 비슷한 경험?

이 게시물이 유용한 것으로 확인 된 사람들에게는 다음 사항 도 확인해야합니다. 통계 전문가와 상담하여 고객에게 다양한 관점에서 관련 주제를 논의 하기위한 참고 자료입니다 .

내가 분명히 알 수 있다면, 당신의 질문은 "위키 백과 같은 주요 자원이 이해가되지 않는다면 수학을 이해하기 위해 무엇을 사용할 수 있습니까?" 개념을 숙달 한 사람조차도 개념을 이해하지 못하는 기간으로 시작한 다음 위키피디아에서 많은 것을 배우는 일은 거의 없었지만 학습 과정을 거쳐야한다는 것을 명심하십시오.

Wikipedia에 대해 아주 심하게 묘사 된 것들을 연구하는 데 많은 시간을 보냈지 만, 나는 개념을 아주 잘 이해하더라도 한 명 이상의 저자 / 편집자의 생각을 이해하기가 어렵다는 것을 확신 할 수 있습니다 위키 백과에. 매우 거친 개념을 이해하거나 또 다른 분야의 기본 개념을 약하게 이해하기 위해 많은 사람들이 수학 및 통계 개념을 절단하는 것은 드문 일이 아닙니다. (나는 더 많은 것을 말하고 싶지만, 위키피디아의 노력, 특히 다른 분야의 노력에 대해 지나치게 비관적으로 들리지 않고 그렇게하기는 어렵다.)

보다 건설적인 메모에서, 가장 좋은 참고 문헌은 일반적으로 주어진 분야에서 좋은 작품을 편집하고 출판 한 기록이 강한 출판사가 편집 한 교과서입니다. 그러한 경우에 저자와 편집자는 동료들 사이에서 학문의 질과 엄격함에 대한 명성을 얻었으며, 일련의 연속 판은 일반적으로 다른 교사와 연구자들의 수용을 나타냅니다.

해당 수준과 Wikipedia에는 ​​여러 수준의 품질이 있습니다. 인쇄판을 사용할 수없는 경우 아마존의 "책 내부 검색"또는 Google 도서를 사용하는 것이 가장 좋습니다.

웹에 액세스 할 수있는 다른 참조의 경우 비전문가 실무자를위한 검토 기사 또는 매뉴얼이 가장 유용 할 수 있습니다. 이에 대한 예는 NIST에서 발행 한 통계 핸드북입니다. 입니다.

Google 학술 검색에서 기사를 찾아서 자신의 이해를 종합해야 할 수도 있습니다. 예를 들어 [ "포인트 프로세스는"입니다 "를 쿼리하고 다양한 기사에서 제공되는 정의를 검토 할 수 있습니다. 또는 [ "point process"pdf site : edu]와 같은 웹 검색에서 강의 노트, 슬라이드 및 자습서가 나타납니다. 해당 쿼리의 첫 번째 결과는 "포인트 프로세스 소개"로 나타납니다. 핵심 아이디어는 구절이 참조가 관련성있는 설명을 가지고 있음을 나타내는 지 여부와 상관없이 개념을 정의하고 소개 할 적절한 수준의 자료에 나타나거나 나타날 수있는 용어를 검색해야한다는 것입니다. 저널 기사는 소개 텍스트가 아니더라도 유용한 방식으로 무언가를 정의 할 수 있습니다.

위키 백과에 대한 잘못된 편집을 강요하는 것은 불가능합니다. 특정 기사의 경우 잘못된 편집자 수가 오류 수정을 허용 할 수있는 사람의 수를 초과합니다.

나는 당신이 어디에서 왔는지 이해합니다. 저의 심리학 분야에는 통계를 피상적으로 제시하는 많은 자료가 있습니다. 이것은 많은 학생들에게 좋지만 그러한 책들은 더 정교한 책을 읽기위한 전제 조건을 제공하지는 않습니다.

(a) 다양한 통계 서적과 다른 리소스가 암시하는 필수 전제 조건을 더 잘 파악해야합니다. (b) 학습 목표를 정의합니다. (c) 귀하의 현재 지식을 식별합니다. 그리고 (d) 학습 환경을 만들기 위해 모든 것을 합치십시오.

A. 통계 자원 환경 감각 개발

어쩌면 이것은 엄격하고 수학적 정교함의 연속체로 구성된 입문 통계 리소스 환경에 대한 대략적인 의미를 제공 할 것입니다.

• 쿡북 : 일부 리소스는 소프트웨어 사용 방법과 사용시기 및 통계 출력 해석 방법 (예 : SPSS Survival Manual ) 에 대한 팁을 제공하는 쿡북 스타일 입니다. 이 책은 표준화 된 데이터 분석 요구 사항을 가지고 있고 심층 학습에 참여할 시간이나 성향이없는 사람들을위한 것입니다.
• 통계에 대한 표준 소개 : 또한 수학적 조작의 정도에 따라 다양한 입문 통계 책이 있습니다. 일부 전제 조건은 기본 대수를 수행 할 수 있다는 것입니다. HyperStat 는 하나의 온라인 예를 제공합니다.
• 통계에 대한보다 정교한 소개 에 대한 : 연속체에 대해서는 논란이 있지만 에 대한 다른 소개는 좀 더 수학적으로 엄격합니다. 큰 차이는 교과서에서 독자가 미적분학과 선형 대수학에 익숙하다고 가정하는지 여부입니다. @iterator가 지적했듯이, 공학 통계 온라인 핸드북은 보다 정교한 리소스의 한 예입니다.
• 수학적 통계 : 다음 단계의 엄격함은 수학적 통계로 분류 할 수있는 리소스입니다. 예를 들어 확률 및 통계의 가상 실험실 , 수학 통계에 대한이 MIT 주제에 대한 코스 노트를 확인하십시오. 또는 에 대한 여기 의 비디오 코스를 확인하십시오 .

B. 학습 목표 정의

이 통계 지식으로 무엇을하고 싶습니까? 수학적 엄격함이 얼마나 중요합니까? Wikipedia에 나타날 수있는 수학적으로 정교한 설명을 이해해야합니까?

C. 현재 지식을 식별하십시오

사회 과학 분야의 많은 학생들에게 수학적으로 복잡한 교과서를 효과적으로 사용하려면 많은 양의 수학을 배우거나 새로 고쳐야합니다. 그러나 공학적 배경을 가지고 있다면 더 많은 수학적 치료에 참여하는 것이 큰 문제가되지 않아야한다고 생각합니다.

D. 모두 함께 넣어

배우고 자하는 것, 이미 알고있는 것, 그리고 새로운 자료를 배우기 위해 필요한 전제 조건을 정의한 후에는 가장 적합한 리소스를 찾아야합니다.

• 인터넷에서 자료를 자유롭게 이용할 수 있어야합니까, 아니면 책을 사거나 빌려 줍니까?
• 교과서 스타일의 자료에서 충분히 배울 수 있습니까? 또는 강의가 제공하는 자료와 구조를 구두로 설명하는 강사가있는 교실 환경을 원하거나 필요하십니까?
• 특정 교과서를 뒤 따르면 어떤 교과서가 가장 명확하고 우수합니까?

위의 질문에 대한 답변이 있으면이 사이트에 적합한보다 구체적인 질문이있을 수 있습니다. 예를 들어, "x, y, z를 알고 있으며 a, b, c를 설명하는 좋은 교과서가 무엇입니까?"

Iterator가 제공 한 훌륭한 답변에 추가하십시오. 개념을 성공적으로 사용하기 위해 개념을 이해하지 않아도되는 경우가 있습니다. 기사를 읽을 때 종종 알 수없는 개념이 발생하지만 외부 소스에서 의미가 무엇인지 파악하기 전에 알 수없는 개념이 무언가에 대한 새로운 멋진 이름이라고 가정하면 무슨 일이 일어나고 있는지 이해할 수 있는지 항상 확인합니다. 내가 이미 알고 있습니다. 종종 새로운 개념의 이해하기 쉬운 특정 속성 만 사용되므로 결국 기사 작성자가 수행 한 작업을 이해하고 유용한 지 여부를 결정할 수 있습니다.

$S=\mathbb{R}^d$$\mathbb{R}^d$ 좋고 이해할 수있는 경우 예제를 찾으십시오.$S=\mathbb{R}^d$ 다른 모든 것을 무시하십시오. 알 수없는 개념은 특정 문제에 대해 매우 간단해질 수 있습니다.

이 방법이 항상 작동하는 것은 아닙니다. 때때로 당신은 정말로 깊이 들어가야하고, 위키 백과는 검색의 시작점만큼 좋습니다. 이 경우 좋은 책보다 좋은 것은 없습니다. 때로는 하나를 찾는 것이 매우 쉽고 때로는 불행히도 없습니다.

문제가 있다고 생각하지만 문제를 과장하고 있습니다. 당신이 당신의 검색에 끈질긴 경우에 당신은 극도로 기술적 인 사이 (중간 통계 협회의 대부분의 기사; Andrew Gelman, Bradley Efron, 또는 Donald Rubin)과 매우 간단합니다. 나는이 '중간'소스를 스스로 찾는 데 꽤 많은 시간을 보냈다. 내 권장 사항 중 일부를 보려는 경우 yellowbrickstats.com 에서 권장 사항을 찾을 수 있습니다 . 나는 또한 노스 캐롤라이나 주 U에 있는 David Garson의 사이트에서 유용한 정보를 자주 찾습니다 .