Recomiendo Clasificación de patrones por Duda, Hart y Stork. Es bueno porque contiene muchos resultados clásicos sobre gaussianos multivariantes y trata temas como el análisis discriminante lineal de Fisher, la máxima verosimilitud, etc. Las otras secciones del libro te permiten desarrollar una comprensión de cómo esto se conecta con el aprendizaje automático, lo cual es importante.
Muchos textos de estadística no dejan claro el solapamiento entre la estadística clásica (por ejemplo, modelos de verosimilitud, ajuste logístico, regresión) y el aprendizaje automático más moderno (máquinas de vectores soporte, árboles de decisión). Si bien Duda et al. no es una gran fuente enciclopédica para todo lo relacionado con la estadística, creo que es un buen primer libro. Es fácil de leer y cubre lagunas, que suele ser la prioridad inicial antes de tener que buscar muchos detalles para convertirse en un experto.
Otro libro que puede ser útil de forma similar es: Análisis de datos mediante modelos de regresión y multinivel/jerárquicos por Gelman y Hill.
2 votos
¿La pregunta va dirigida a las distribuciones multivariantes o a la estadística multivariante? Es decir, ¿necesita más información sobre probabilidad o sobre análisis de datos?
0 votos
¿Qué tipo de cosas quiere aprender? "Trabajar con MVN" es bastante vago, y el espacio que describes es amplio.
9 votos
Mark, si buscas ayuda continua en CV, considera la posibilidad de aceptar algunas de las respuestas que la gente te ha proporcionado en el pasado haciendo clic en la marca de verificación junto a una de las preguntas. La gente estará más dispuesta a ayudar si no te perciben como un desagradecido.
0 votos
¿No debería ser Community Wiki?
0 votos
Johnson y Wichern también es una buena referencia.
0 votos
Hay libros mucho mejores que Johnson y Wichern.
0 votos
Lo siento a todos, he aceptado un par de respuestas y también lo hizo una wiki de la comunidad
0 votos
A fecha 21/2/2013 hay algún debate sobre este tema en Blog de Andrew Gelman .