Modern İstatistiğe Giriş 2. Baskı

 (openintro-ims2.netlify.app)
4 puan yazan GN⁺ 2023-10-13 | 1 yorum | WhatsApp'ta paylaş
  • OpenIntro projesinin istatistik ders kitabı Introduction to Modern Statistics 2. Baskı web üzerinden ücretsiz olarak sunuluyor
  • Ders kitabının ana metni web’de her zaman ücretsiz görüntülenebiliyor; PDF ise Leanpub’dan ücretsiz veya seçilen katkı tutarıyla alınabiliyor
  • Siyah-beyaz paperback 25 dolara satılıyor; telif hakkı yılı 2024, sürüm tarihi ise 31 Mart 2026 olarak belirtilmiş
  • Slaytlar, uygulamalar ve etkileşimli eğitimler dahil ek materyaller de openintro.org/book/ims adresinden ücretsiz indirilebiliyor
  • Bu ders kitabı, mevcut OpenIntro istatistik ders kitaplarının türev çalışması olup CC BY-SA 3.0 Unported United States License ile sunuluyor

OpenIntro’nun ücretsiz istatistik ders kitabı

  • Introduction to Modern Statistics, Second Edition, Mine Çetinkaya-Rundel ve Johanna Hardin tarafından yazılmış bir istatistik ders kitabıdır
  • Ders kitabı IMS olarak anılır ve OpenIntro projesinin bir parçasıdır
  • Web sitesi Netlify üzerinde barındırılmaktadır

Kullanım biçimleri ve fiyat

  • Ders kitabının ana metni web’de her zaman ücretsiz olarak sunulur
  • Download PDF üzerinden Leanpub’dan PDF alınabilir
    • PDF ücretsiz veya kullanıcının seçtiği bir katkı tutarıyla sunulur
  • Siyah-beyaz paperback 25 dolara satın alınabilir
  • Telif hakkı yılı 2024, sürüm tarihi 31 Mart 2026 olarak belirtilmiştir

Ek materyaller ve lisans

  • Ders kitabı ve ek materyaller openintro.org/book/ims adresinden ücretsiz indirilebilir
    • Ek materyaller arasında slaytlar, uygulamalar ve etkileşimli eğitimler yer alır
  • Bu ders kitabı, OpenIntro Statistics 4th Edition ve Introduction to Statistics with Randomization and Simulation 1st Edition adlı eserlerin türev çalışmasıdır
  • Lisansı Creative Commons Attribution-ShareAlike 3.0 Unported United States License’tır
  • Lisans ayrıntıları creativecommons.org üzerinden görülebilir
  • Kaynak dosyalar GitHub’daki github.com/openintrostat/ims deposundadır

İlgili okumalar

1 yorum

 
GN⁺ 2023-10-13
Hacker News yorumları

  • Bilgisayarlara erişilebilirlik sayesinde istatistik eğitiminin epey dönüşmekte olduğunu düşünüyorum
    Örneğin hipotez testini rastgeleleştirme[1] üzerinden tanıtıyor ve rastgele permütasyon testi[2] kullanıyorlar
    İstatistiği geleneksel yöntemle öğrenirken “bu durumda t-testi, şu durumda ki-kare testi” gibi yemek tarifi tarzı listeler öğrenmiştim; bu testlerin neden kullanılması gerektiğini ya da nereden çıktığını anlamamıştım
    Benzer bir yaklaşımı biraz farklı bir bağlamda görmek için [3] de var
    [1]: https://openintro-ims2.netlify.app/11-foundations-randomizat...
    [2]: https://en.wikipedia.org/wiki/Permutation_test
    [3]: https://inferentialthinking.com/chapters/11/1/Assessing_a_Mo...

    • İstatistiği öğretmenin zor olmasının nedeni, yöntemlerin neden doğru olduğunu kanıtlamak ve sezgisel olarak anlamak için gereken matematiğin, temel istatistik derslerinde ele alınan seviyenin çok üzerinde olması
      Gosset t-testini geliştirdi ve geçerliliğini kanıtladı; ancak öğrencilere çoğu zaman neden doğru olduğuna dair temel bir anlayış olmadan, bir kara kutu gibi uygulamaları öğretiliyor; bu da pedagojik açıdan iyi değil
      Bu noktada Bayesçi istatistiğin çok daha iyi olduğunu düşünüyorum. Mantıkla bağlantılı Curry-Howard izomorfizmi çok derin ve kapalı biçimli analitik çözümleri olan eşlenik dağılımlarla da tanıtılabilir
      Daha karmaşık işler bilgisayarın yapacağı şeyler; STAN gibi araçlarla frekansçı yöntemlere kıyasla çok daha sofistike karmaşık dağılımlar da ele alınabiliyor
    • Benzer şeyleri düşündüm ama sonunda, ilk duyduğunuzda kafanızda ne olduğu daha büyük fark yaratıyor bence
      Permütasyon testi, dağılım teorisinden bildiklerimi toparladığı için tatmin ediciydi; ama dağılım teorisini hiç bilmeseydim aynı etkiyi yaratır mıydı emin değilim
      Matematiksel istatistik çalışırsanız yemek tarifi gibi öğrenmezsiniz. Temel aşamada olasılık teorisi, dağılım teorisi ve çeşitli dağılımlar öğrenilir; hipotez testi, regresyon, varyans analizi vb. de buradan devam eder
      Buna karşılık araştırmacı bilim insanları çoğu zaman belirli alanlara yönelik kısa dersler, örneğin biyologlar için istatistik gibi şeyler aldığı için istatistiği bir tarifler demeti gibi görüyor gibiler
    • Brilliant’ta da oldukça iyi hazırlanmış etkileşimli istatistik dersleri var: https://brilliant.org/courses/statistics/
    • Klasik istatistik öğretirken yaygın yöntem binom testi ile başlamak gibi görünüyor
      Binom dağılımı oldukça somut olduğu için öğrencilerin p-değeri kavramını kavraması kolay oluyor; fakat sonrasında normal dağılım, t-dağılımı vb. konulara geçildikçe giderek daha soyut hale geliyor ve “ne zaman ne kullanılır” tarzı bir yemek tarifi yaklaşımına kayıyor

  • Bu alandaki pedagojik girişimleri, özellikle açık ders kitabı biçiminde olanları çok takdir ediyor ve seviyorum; ancak giriş düzeyi istatistiğin bu genel yaklaşımla öğretilmesini gerçekten sevmiyorum
    Zamanla geçici çözüm niteliğindeki sıfır hipotezi anlamlılık testinden uzaklaşıp doğrusal modeller merkezli ve varsayılan olarak Bayesçi yaklaşımı kullanan bir yöne evrilmesini umuyorum
    Bunun giriş derslerinde bile en baştan mümkün olduğunu düşünüyorum; aşağıdaki bağlantı referans olabilir: https://lindeloev.github.io/tests-as-linear/#:~:text=Most%20...

    • McElreath’in Statistical Rethinking kitabını okuyorum ve bu bakış açısına tamamen katılıyorum
    • Birleştirilmiş genelleştirilmiş doğrusal model temeli üzerinden öğretme fikrine katılıyorum
      Ancak “varsayılan olarak Bayesçi” yaklaşım biraz daha belirsiz bir yöne ilerliyormuş gibi geliyor
    • Bazı insanlar için bu fikrin iyi uyduğunu düşünüyorum. Özellikle soyutlamayla iyi başa çıkan insanlar için
      Yazılım mühendisleri genellikle bu yeteneğe sahip, fakat istatistik kullanıcılarının çoğu değil
      Sayıları ya da formülleri zaten sevmeyen bir sosyal bilimciye bu doğrusal yöntemlerin benzerliğini ve “her şey birdir” tarzı bir açıklamayı anlatmaya çalışırsanız, bunun daha fazla kafa karışıklığı yaratma ihtimali yüksek
      Yine de iki yöntemin etkisini uygun bir doğrusal modelle tahmin eden bir rastgele deney yaparsanız mutlaka haber verin. 10 üzerinden 10’luk bir deney olurdu
      [1]: https://lindeloev.github.io/tests-as-linear/#41_one_sample_t...
    • Neredeyse hiç istatistik eğitimi olmayan biri olarak, denek niyetine şimdi başlayabileceğim bir kaynak var mı merak ediyorum

  • Yazarlar arasında Mine Çetinkaya-Rundel’i görmek sevindirici
    Pek çok kişi onu katkıda bulunduğu “R for Data Science”(https://r4ds.had.co.nz/) ile tanıyor olabilir; ama veri bilimi eğitimi üzerine de birçok harika makalesi var

  • İstatistik ve olasılıkta en sevdiğim kitaplardan biri Andrew Gelman, Jennifer Hill ve Aki Vehtari’nin Regression and Other Stories kitabı
    Buradan ücretsiz görüntülenebilir: https://users.aalto.fi/~ave/ROS.pdf

    • Harika bir ders kitabı ve ikinci başlığının ima ettiği gibi yalnızca sosyal bilimler için yararlı bir kitap da değil

  • İstatistiği anlamak için gereken düşünme biçimini ve kavramları öğreten, istatistik öncesi aşama niteliğinde bir kitap olup olmadığını merak ediyorum

    • Ölçü kuramına kadar gitmeyen lisans düzeyi bir olasılık kuramı kitabına temel lineer cebir ve kalkülüs eklemenin en iyi hazırlık olduğunu düşünüyorum
      Olasılığın temel araçlarını sağlam biçimde anlarsanız istatistik oldukça kolay öğrenilebilir
      Bu anlayış yoksa istatistiğin bir tarifler bütünü gibi görünme olasılığı yüksek
      Buna karşılık olasılığa aşinaysanız elinizdeki gerçek problemi matematiksel olarak ifade edebilir ve biraz aramayla gereken istatistik araçlarını bulabilirsiniz
    • Bu kitap, gereken noktadan hemen başlıyor gibi görünüyor
      Temel kalkülüsün ötesinde pek bir şeye ihtiyaç yok
      Birçok kişi çocukken kötü öğretmenler yüzünden “ben matematik yapamam” gibi zihinsel bariyerler edinmiş oluyor
      Sadece dalın; pişman olmazsınız

  • Ronald Fisher güven aralığı hesaplamak için bootstrap kullanmamış olabilir ama müfredatın geri kalanının büyük kısmı neredeyse 1900'lerin başında onun tarafından oluşturulmuş gibi görünüyor :-)

  • İstatistik çalışmak için kapsamlı bir cheat sheet hazırladım: https://github.com/mavam/stat-cookbook

  • Rastgeleleştirme ve bootstrapping içermesi hoşuma gitti
    Ancak hipotez çerçevesinin hâlâ NHST olması üzücü. Bunu hiçbir anlamda “modern” saymak zor

    • İstatistik topluluğunda NHST'nin neyle değiştirilmesi gerektiğine dair geniş bir uzlaşı görünmüyor
      Bayes'e geçilecekse dersin tamamen yeniden yazılması gerekir
      Alternatif olarak güven aralıklarını önerenler de gördüm, ama ona da itirazlar var
      Hipotez testinin kendisinin hiç kullanılmaması gerektiğini savunanları da gördüm
      NHST hâlâ yaygın biçimde kullanılırken ve net bir alternatif yokken, öğrencilere tanıtmamanın daha çok zarar vereceğini düşünüyorum

  • Kendi kendine öğrenmek için iyi bir istatistik kitabı ne olabilir merak ediyorum

    • Nereden başlamak ve ne öğrenmek istediğinize bağlı
      Bağlantısı verilen kitap birinci sınıf düzeyi giriş kitabı ve bu rolü iyi yerine getiriyor
      Daha ileri gitmek isterseniz çok seçenek var
      Casella ve Berger'in Statistical Inference kitabı istatistiği ilk ilkelerden inşa eden bir kitap olarak çok iyi bir üne sahip. Bağlantı vermeyeceğim ama basit bir aramayla tam PDF taramasını bulabilirsiniz. Amazon incelemeleri: https://www.amazon.com/Statistical-Inference-Roger-Berger/dp...
      Freedman, Pisani, Purves'in Statistics kitabının da incelemeleri çok iyi ve çevrimiçi olarak kolayca bulunabiliyor. Amazon incelemeleri: https://www.amazon.com/Statistics-Fourth-David-Freedman-eboo...
      Berkeley veri bilimi çekirdek müfredatındaki kitapların çoğu da çevrimiçi. Yalnızca saf istatistik değil, ama hesaplama ve rastgeleleştirmeyi kullanan modern bir yaklaşımla öğretiyor ve öğrenmeye değer araçları da ele alıyor
      Data 8: https://inferentialthinking.com/chapters/intro.html, Data 100: https://learningds.org/intro.html, Data 140: http://prob140.org/textbook/content/README.html, Data 102: https://data102.org/fa23/resources/#textbooks-from-previous-...
      Yalnızca Berkeley müfredatı yok; çevrimiçi onlarca, belki yüzlerce ders var. Yine de kapsamı epey geniş ve yakın zamanda veri bilimi eğitimini incelerken en çok okuduğum taraf Berkeley'inki oldu
    • Statistical Rethinking'i seviyorum
      Bilim alanındaki doktora öğrencilerini hedefliyor; odağı “bilimsel hipotezleri test etmek ve nedenselliği ayırt etmek için istatistik nasıl kullanılabilir” sorusu
      Matematiksel olarak çok derine inmiyor, ama okuyucunun belli bir matematiksel sezgiye sahip olduğunu ve istatistik olmadan da veri analiz etmeye alışkın olduğunu varsayıyor
      Esasen yalnızca Bayes modellerini ve bunları bilgisayarla uydurma yöntemlerini ele aldığı için frekansçı tarafı neredeyse hiç kapsamıyor
    • ISLR/ISLP ücretsiz; yüksek lisans programında kullanmıştık ve harikaydı
      Beraberinde gelen bir video serisi de var: https://www.statlearning.com/
    • George Casella ve Roger Lee Berger'in Statistical Inference kitabını özellikle seviyorum
      Joseph K. Blitzstein ve Jessica Hwang'ın Introduction to Probability kitabı da bakmaya değer. Ücretsiz sunuluyor: http://probabilitybook.net (drive'a yönlendiriyor)
    • “Kod yazmayı bilen kişi” bakış açısından yaklaşan daha giriş düzeyi bir kitap olarak https://greenteapress.com/wp/think-stats-2e/ var
      Hoşunuza giderse benzer Think Bayes'e de bakılabilir
      Ayrıca https://nostarch.com/learnbayes de var
      İstatistiğin temellerini biliyorsanız ve çok farklı, daha nedensel ve Bayesçi bir bakış açısından yeniden öğrenmek istiyorsanız Statistical Rethinking'i de önerebilirim