(খুব) ছোট গল্প
দীর্ঘ গল্প সংক্ষিপ্ত, এক অর্থে পরিসংখ্যান অন্যান্য প্রযুক্তিগত ক্ষেত্রের মতো: এখানে কোনও দ্রুত ট্র্যাক নেই ।
দীর্ঘ কাহিনী
পরিসংখ্যানগুলিতে ব্যাচেলর ডিগ্রি প্রোগ্রামগুলি মার্কিন যুক্তরাষ্ট্রে তুলনামূলকভাবে বিরল One একটি কারণ যা আমি বিশ্বাস করি সত্য এটি হ'ল একটি স্নাতক পাঠ্যক্রমের পরিসংখ্যানকে ভালভাবে শেখার জন্য প্রয়োজনীয় সমস্ত বিষয়গুলি প্যাক করা বেশ কঠিন। এটি বিশেষত সত্যিকারের বিশ্ববিদ্যালয়গুলিতে সত্য যেখানে সাধারণ-শিক্ষার প্রয়োজনীয়তা রয়েছে at
প্রয়োজনীয় দক্ষতা (গাণিতিক, গণনাগত এবং স্বজ্ঞাত) বিকাশ করতে প্রচুর প্রচেষ্টা এবং সময় লাগে। শিক্ষার্থীরা যখন ক্যালকুলাসে স্নাতক এবং লিনিয়ার এবং ম্যাট্রিক্স বীজগণিতের একটি শালীন পরিমাণে দক্ষ হয়, তখন পরিসংখ্যানগুলি মোটামুটি শালীন "অপারেশনাল" স্তরে বোঝা শুরু হতে পারে। তবে যে কোনও প্রয়োগকৃত পরিসংখ্যানবিদ জানেন যে কোনও অঞ্চলে কুকি-কাটার বা রেসিপি-ভিত্তিক পরিসংখ্যানের সাথে সঙ্গতিপূর্ণ নয় এমন অঞ্চলে নিজেকে খুঁজে পাওয়া বেশ সহজ। পৃষ্ঠের নীচে কী চলছে তা বোঝার জন্য পূর্বশর্ত হিসাবে প্রয়োজনগাণিতিক এবং, আজকের বিশ্বে, গণনার পরিপক্কতা যা স্নাতক প্রশিক্ষণের পরবর্তী বছরগুলিতে কেবল সত্যই অর্জনযোগ্য। এটি একটি কারণ যা সত্য পরিসংখ্যান প্রশিক্ষণ বেশিরভাগ মার্কিন যুক্তরাষ্ট্রে এমএস পর্যায়ে শুরু হয় (ভারত, তাদের উত্সর্গীকৃত আইএসআই এর সাথে একটু আলাদা গল্প is কিছু কানাডিয়ান ভিত্তিক শিক্ষার জন্যও একই যুক্তি হতে পারে with ইউরোপীয় ভিত্তিক বা রাশিয়ান-ভিত্তিক স্নাতক পরিসংখ্যান শিক্ষার একটি জ্ঞাত মতামত থাকতে হবে))
প্রায় কোনও (আকর্ষণীয়) চাকরীর জন্য একটি এমএস স্তরের শিক্ষা প্রয়োজন এবং সত্যই আকর্ষণীয় (আমার মতে) চাকরির জন্য মূলত ডক্টরেট স্তরের শিক্ষা প্রয়োজন।
আপনারা গণিতে ডক্টরেট হিসাবে রয়েছেন তা দেখতে, যদিও আমরা কোন ক্ষেত্রে জানি না, এমএস-স্তরের শিক্ষার কাছাকাছি কিছু করার জন্য আমার পরামর্শ এখানে রইল। পছন্দগুলি ব্যাখ্যা করার জন্য আমি কিছু প্রথমসূত্র মন্তব্য অন্তর্ভুক্ত করেছি।
- ডি হাফ, পরিসংখ্যানের সাথে মিথ্যা বলুন কীভাবে । (খুব দ্রুত, সহজ পঠন read বিশেষত সাধারণ ব্যক্তির কাছে পরিসংখ্যান উপস্থাপনের ক্ষেত্রে প্রচুর ধারণাবাদী ধারণা এবং ক্ষতিগুলি দেখায়))
- মেজাজ, গ্রেবিল এবং বোস, পরিসংখ্যানের তত্ত্বের পরিচিতি , তৃতীয় সংস্করণ, 1974. (তাত্ত্বিক পরিসংখ্যানের এমএস-স্তরের পরিচয় You মতামতটি হ'ল কেসেলা এবং বার্জার বা রাইসের মতো আধুনিক অংশগুলির তুলনায় এটি সাধারণত ভাল এবং কিছুটা উন্নত)
- সেবার অ্যান্ড লি, লিনিয়ার রিগ্রেশন অ্যানালাইসিস , ২ য় সংস্করণ। (লিনিয়ার মডেলগুলির জন্য বিন্দু অনুমান এবং অনুমানের পরীক্ষার পিছনে তত্ত্ব রাখে যা সম্ভবত প্রয়োগিত পরিসংখ্যানগুলিতে বোঝার জন্য সবচেয়ে গুরুত্বপূর্ণ বিষয় Since আপনার সম্ভবত একটি ভাল লিনিয়ার বীজগণিতের পটভূমি রয়েছে, তাই আপনাকে তাত্ক্ষণিক জ্যামিতিকভাবে কী চলছে তা বুঝতে সক্ষম হওয়া উচিত) যা প্রচুর স্বজ্ঞাততা সরবরাহ করে model এছাড়াও মডেল নির্বাচনের মূল্যায়ন সম্পর্কিত বিষয়গুলি, অনুমানগুলি থেকে বিদায়, ভবিষ্যদ্বাণী এবং রৈখিক মডেলের শক্তিশালী সংস্করণগুলি সম্পর্কিত ভাল তথ্য রয়েছে))
- হস্টি, তিবশিরানী এবং ফ্রেডম্যান, স্ট্যাটিস্টিকাল লার্নিং এর উপাদানসমূহ , ২ য় সংস্করণ, ২০০৯। (এই বইটিতে আধুনিক মেশিন-লার্নিংয়ের প্রচুর বিষয় শেষের তুলনায় অনেক বেশি প্রয়োগিত অনুভূতি রয়েছে। এখানে প্রধান অবদান পরিসংখ্যানীয় ব্যাখ্যা প্রদানের ক্ষেত্রে রয়েছে অনেক মেশিন-লার্নিং ধারনা, যা বিশেষ করে এই ধরনের মডেল অনিশ্চয়তা পরিমাণে মধ্যে বন্ধ বহন করেনা করুন। এইটি এমন কিছু বিষয় যে যেতে উন (dER) টিপিক্যাল মেশিন-শেখার বই সুরাহা। বিনামূল্যে জন্য আইনত প্রাপ্তিসাধ্য tends হয় এখানে ।)
- উ: এগ্রেস্তি, শ্রেণিবদ্ধ ডেটা বিশ্লেষণ , ২ য় সংস্করণ। (কোনও পরিসংখ্যান কাঠামোর ক্ষেত্রে কীভাবে পৃথক উপাত্ত মোকাবেলা করতে হবে তার ভাল উপস্থাপনা Good ভাল তত্ত্ব এবং ভাল ব্যবহারিক উদাহরণ Perhaps সম্ভবত কিছু দিক থেকে traditionalতিহ্যগত দিক থেকে))
- বয়েড এবং ভ্যান্ডেনবার্গে, উত্তল অপটিমাইজেশন । (সর্বাধিক জনপ্রিয় আধুনিক পরিসংখ্যান অনুমান এবং অনুমান-পরীক্ষার সমস্যাগুলি উত্তল অপ্টিমাইজেশান সমস্যা হিসাবে সূচিত করা যেতে পারে numerous এটি অসংখ্য মেশিন-লার্নিং কৌশলগুলির জন্যও যায়, যেমন, এসভিএমগুলি। বিস্তৃত বোঝা এবং উত্তল প্রোগ্রামগুলির মতো এই জাতীয় সমস্যাগুলি সনাক্ত করার ক্ষমতা রয়েছে) আমি মনে করি, এটি বেশ মূল্যবান। এখানে আইনীভাবে নিখরচায় উপলভ্য )
- ইফ্রন এবং তিবশিরানী, বুটস্ট্র্যাপের একটি ভূমিকা । (বুটস্ট্র্যাপ এবং সম্পর্কিত কৌশলগুলির সাথে আপনার কমপক্ষে পরিচিত হওয়া উচিত a পাঠ্যপুস্তকের জন্য এটি দ্রুত এবং সহজভাবে পড়া।)
- জে লিউ, সায়েন্টিফিক কম্পিউটিংয়ে মন্টে কার্লো স্ট্র্যাটেজি বা পি। গ্লাসারম্যান, ফিনান্সিয়াল ইঞ্জিনিয়ারিংয়ের মন্টে কার্লো পদ্ধতি । (উত্তরোত্তর শব্দগুলি একটি নির্দিষ্ট অ্যাপ্লিকেশন অঞ্চলে খুব নির্দেশিত বলে মনে হয় তবে আমি মনে করি এটি খুব গুরুত্বপূর্ণ কৌশলগুলির একটি ভাল ওভারভিউ এবং ব্যবহারিক উদাহরণ দেবে Financial আর্থিক ইঞ্জিনিয়ারিং অ্যাপ্লিকেশনগুলি গত দশক বা তারও বেশি সময় ধরে মন্টি কার্লো গবেষণা যথেষ্ট পরিমাণে চালিত করেছে ।)
- ই টুফতে, পরিমাণগত তথ্যের ভিজ্যুয়াল প্রদর্শন । (পরিসংখ্যানবিদরা এমনকি তথ্যের উপস্থাপনা এবং উপস্থাপনা [অত্যন্ত] আন্ডাররেটেড।
- জে টুকি, এক্সপ্লোরার ডেটা বিশ্লেষণ । (স্ট্যান্ডার্ড। ওল্ডি, তবে গুডি। কেউ কেউ পুরানো বলতে পারে, তবে তার দিকে নজর দেওয়াও উচিত))
সম্পূরক
এখানে আরও কয়েকটি বই রয়েছে, বেশিরভাগ ক্ষেত্রে আরও কিছুটা উন্নত, তাত্ত্বিক এবং / অথবা সহায়ক প্রকৃতি, যা সহায়ক।
- এফএ Graybill, তত্ত্ব ও লিনিয়ার মডেল প্রয়োগ । (পুরাতন ধাঁচের, ভয়ানক টাইপসেটিং, তবে সেবার অ্যান্ড লি এর একই ক্ষেত্রটি এবং আরও অনেক কিছুকে coversেকে রেখেছে I
- এফএ গ্রেবিল, পরিসংখ্যানগুলিতে অ্যাপ্লিকেশন সহ ম্যাট্রিক্স । (উপরের অংশের অংশীদার পাঠ্য। ভাল ম্যাট্রিক্স বীজগণিতের এক সম্পদ এখানে পরিসংখ্যানগুলিতে দরকারী। গ্রেট ডেস্কের রেফারেন্স))
- দেবরোয়ে, গাইরফি এবং লুগোসি, প্যাটার্ন রিকগনিশনের একটি সম্ভাব্য থিওরি । (শ্রেণিবদ্ধকরণ সমস্যাগুলিতে পরিমিতকরণের পরিমাণের বিষয়ে কঠোর এবং তাত্ত্বিক পাঠ্য))
- ব্রকওয়েল এবং ডেভিস, সময় সিরিজ: তত্ত্ব এবং পদ্ধতি । (ধ্রুপদী সময়-সিরিজ বিশ্লেষণ। তাত্ত্বিক চিকিত্সা
- মোতওয়ানি এবং রাঘাওয়ান, এলোমেলোড অ্যালগরিদম । (গণনা সংক্রান্ত অ্যালগরিদমের জন্য সম্ভাব্য পদ্ধতি এবং বিশ্লেষণ))
- ডি উইলিয়ামস, সম্ভাবনা ও Martingales এবং / অথবা আর Durrett, সম্ভাব্যতা: তত্ত্ব ও উদাহরণ । (আপনি যদি পরিমাপ তত্ত্বটি দেখেছেন, তবে ডিএল কোহনের পর্যায়ে বলুন, তবে সম্ভবত সম্ভাবনা তত্ত্ব নয় Both যদি আপনি ইতিমধ্যে পরিমাপের তত্ত্বটি জানেন তবে উভয়ই দ্রুত গতিতে উন্নত are
- এফ। হ্যারেল, রিগ্রেশন মডেলিং কৌশলগুলি । ( স্ট্যাটাসটিকাল লার্নিং এর উপাদানগুলির মতোই ভাল নয় [ইএসএল], তবে এটির একটি আলাদা এবং আকর্ষণীয় বিষয় রয়েছে E ESL এর চেয়ে বেশি "traditionalতিহ্যবাহী" প্রয়োগের পরিসংখ্যানের বিষয়গুলি নিশ্চিত করে এবং এটি সম্পর্কে নিশ্চিতভাবে জানার মতো মূল্য রয়েছে))
আরও উন্নত (ডক্টরেট স্তর) পাঠ্য
লেহম্যান এবং কেসেলা, পয়েন্ট অনুমানের তত্ত্ব । (পয়েন্ট অনুমানের পিএইচডি স্তরের চিকিত্সা this এই বইয়ের চ্যালেঞ্জের একটি অংশ এটি পড়ছে এবং টাইপো কী এবং কী নয় তা নির্ধারণ করা। যখন আপনি নিজেকে এগুলি দ্রুত স্বীকৃতি দিতে দেখবেন তখন বুঝতে পারবেন আপনি বুঝতে পারবেন There প্রচুর অনুশীলন রয়েছে সেখানে এই ধরণের, বিশেষত যদি আপনি সমস্যার মধ্যে ডুব দেন))
লেহম্যান এবং রোমানো, পরিসংখ্যানের হাইপোথেসিস পরীক্ষা করছেন । (হাইপোথিসিস টেস্টিংয়ের পিএইচডি স্তরের চিকিত্সা above
উ। ভ্যান ডের ভার্ট, অ্যাসিপটোটিক স্ট্যাটিস্টিকস । (প্রয়োগের ক্ষেত্রগুলিতে ভাল ইঙ্গিত সহ পরিসংখ্যানের অ্যাসিম্পোটিক তত্ত্বের একটি সুন্দর বই though যদিও প্রয়োগকৃত বই নয় My আমার একমাত্র মুচলেকাটি হ'ল কিছু বরং উদ্ভট স্বরলিপি ব্যবহার করা হয় এবং বিবরণগুলি রাগের নীচে বার বার পরিষ্কার করা হয়))