¿Referencia estándar para la estadística matemática clásica?

12

¿Alguien puede recomendar algunos libros que se consideran referencias estándar para las estadísticas clásicas (frecuentas)? IE, bastante completo, y también, ha existido durante un tiempo para que los errores tipográficos y los errores en las fórmulas tengan la oportunidad de ser verificados y corregidos

references mathematical-statistics

— Yaroslav Bulatov
fuente

1

vea también la pregunta sobre mathoverflow con respecto a los libros sobre estadística matemática mathoverflow.net/questions/31655/statistics-for-mathematicians

— Jeromy Anglim

3

Puede especificar si necesita una introducción sobre estadísticas aplicadas o una sobre inferencia estadística (teórica). Es decir, ¿quiere que se explique el marco de prueba, regresión y ANOVA o desea saber qué tiene que ver el teorema del límite central y la desigualdad de Chebiyshev con la ley débil de los grandes números?

— Joris Meys

ver también la pregunta stats.stackexchange.com/questions/414/…

— robin girard

Joris: bueno, internet ya es bastante bueno para las explicaciones, mi motivación es tener algo que verificar cuando necesito una fórmula relacionada con las estadísticas. Por ejemplo, recientemente necesitaba una fórmula para P (X = x | v'x = a) donde X es gaussiano multivariante y v es algún vector, y ninguno de mis libros de estadísticas lo tenía

— Yaroslav Bulatov

5

EL Lehmann, Teoría de la estimación puntual, 1983, y su libro complementario, Prueba de hipótesis estadísticas.

(Nota: la última edición de TPE, en coautoría con George Casella, no ha recibido buenas críticas en Amazon, pero la original sigue siendo un clásico).

— whuber
fuente

9

He encontrado que la Inferencia estadística de Casella y Berger es una introducción relativamente completa.

— Seth
fuente

5

Recomiendo la teoría de la estadística de Mark Schervish.

— ébano1
fuente

1

+1: yo también aprendí de Lehman (muy buena referencia), pero este no se menciona lo suficiente

— user603

4

Una referencia exhaustiva y autorratativa es la teoría avanzada de estadística de Kendall

Volumen 1 Teoría de la distribución
Volumen 2A Inferencia clásica y modelos lineales

También hay un Volumen 2B pero es Inferencia Bayesiana .

Aparte de eso, estoy de acuerdo en que Casella y Berger son una excelente referencia a nivel de posgrado, y sugiero la Introducción a la Estadística de Probabilidad y Matemática de Bain y Engelhardt para estudiantes universitarios de nivel superior.

— Kingsford Jones
fuente

1

Hace la observación "También hay un Volumen 2B pero es Inferencia Bayesiana". significa que el Volumen 2B no debe incluirse en la descripción "referencia completa y autorratativa (sic)"? porque no tiene una o ambas de estas propiedades, o no debería incluirse porque trata con la inferencia bayesiana en lugar de con enfoques puramente frecuentes como presumiblemente los volúmenes 1 y 2A.

— Dilip Sarwate

2

Oye, no te pongas tan a la defensiva. El OP solicitó específicamente Frequentist. Solo se estaba quedando en el tema.

— Shea Parkes

@Shea, la consulta de Dilip no me parece defensiva. Suena como una solicitud de aclaración. Sin embargo, parece poco probable que reciba una respuesta, ya que el respondedor no ha visitado el sitio en varios meses.

— cardenal

3

Todas las estadísticas

— Jeromy Anglim
fuente

1

No creo que haya existido por un tiempo, y tampoco es muy completo ... una razón por la que comencé esta publicación fue porque encontré un error allí y tampoco pude encontrar algunas cosas que necesitaba, como la fórmula de densidad para funciones de vectores aleatorios

— Yaroslav Bulatov

Puede ser útil si envía un correo electrónico al autor. Tal vez, es un malentendido y, de lo contrario, ayudará a corregir el error en la próxima edición.

Tengo la confirmación del autor, por lo que probablemente será corregido en la próxima edición

— Yaroslav Bulatov

2

¿Podría, con el permiso del autor, publicar el error brevemente como un comentario aquí? Eso será útil para todos.

\hat{p_{i}}

$\hat{p_i}$

\hat{p}

$\hat{p}$

i

$i$

Σ

$\Sigma$