Creo que no voy a ser capaz de dar a regular la inversión de tiempo para continuar el aprendizaje de análisis de datos
No creo Casella Y Berger es un lugar para aprender de los datos tanto en la forma de análisis de datos. Es un lugar para aprender algunas de las herramientas de la teoría estadística.
Mi experiencia hasta ahora me dice para ser una estadstica las necesidades de un oso con un montón de tedioso cálculo que implica varias distribuciones(Weibull, Cauchy, t, F...).
Me he pasado un montón de tiempo como un estadístico de realizar el análisis de datos. Es que pocas veces (casi nunca) implica mí haciendo tedioso cálculo. Esto implica a veces un poco simple álgebra, pero el común de los problemas se resuelven normalmente y no tengo la necesidad de gastar ningún esfuerzo en replicar que cada vez.
El equipo hace todo el tedioso cálculo.
Si yo estoy en una situación en la que no estoy preparado para asumir razonablemente caso estándar (por ejemplo, no está preparado para el uso de un GLM), yo por lo general no tienen la información suficiente para asumir cualquier otra forma de distribución, por lo que la cuestión de los cálculos en la LRT es generalmente irrelevante (lo que puedo hacer cuando me necesitan, que acaba tienden a ser solucionado ya o vienen tan rara vez que lo interesante de la desviación).
Yo tiendo a hacer un montón de simulación; yo también con frecuencia se intenta utilizar el remuestreo en alguna forma, ya sea junto con o en lugar de los supuestos paramétricos.
Le tengo que gastar 20 hr+ por semana en él, como solía ser?
Depende de lo que usted quiere ser capaz de hacer y cómo pronto usted desea ser buenos en eso.
El análisis de datos es una habilidad, y requiere práctica y una gran base de conocimiento. Usted tendrá algunos de los conocimientos que necesita ya.
Si quieres ser un buen profesional en una amplia variedad de cosas, va a tomar un montón de tiempo, pero a mi mente es mucho más divertido que el álgebra y la dicha de hacer Casella y Berger ejercicios.
Algunas de las habilidades que he construido en decir que los problemas de regresión son útiles con series de tiempo, digamos -, sino un montón de nuevas habilidades son necesarias. Así que aprender a interpretar los gráficos de residuos y gráficos QQ es muy útil, pero que no me diga lo mucho que me necesita preocuparse acerca de un pequeño golpe en un FAP de la trama y no me dan herramientas como el uso de un-paso-adelante los errores de predicción.
Así, por ejemplo, no es necesario gastar un esfuerzo de averiguar cómo hacer razonablemente ML típica de los rayos gamma o los modelos de weibull, porque son estándar, lo suficiente como para ser resuelto los problemas que ya han sido en gran medida puso en una forma conveniente.
Si usted viene a hacer la investigación, se necesita mucho más de las habilidades de recoger en lugares como Casella Y Berger (pero incluso con ese tipo de habilidades, usted también debe leer más de un libro).
Algunas sugerencias de cosas:
Definitivamente, usted debe crear un poco de regresión de las habilidades, incluso si usted no hace nada más.
Hay un número de muy buenos libros, pero tal vez Draper & Smith Aplicó Análisis de Regresión plus Fox y Weisberg Un R Compañero de la aplicación de la Regresión; también me gustaría sugerir que usted considere la siguiente con Harrell la Regresión de la Modelización de Estrategias
(Se puede sustituir cualquier número de buenos libros para Draper y Smith - encontrar uno o dos que se adapten a ti.)
El segundo libro tiene una gran cantidad de capítulos adicionales que son muy mucho la pena leer (y su propio R-package)
--
Una buena segunda porción sería Venables & Ripley Estadística Aplicada Moderna con S.
Que algunos de puesta a tierra de una manera bastante amplia franja de ideas.
Puede ser que usted necesita un poco más de material básico en algunos temas (no sé su fondo).
Entonces tendría que empezar a pensar en qué áreas de la estadística que desea/necesita -- Bayesiano estadísticas, series de tiempo, análisis multivariante, etc etc
