Ho avuto abbastanza corsi di statistica durante gli anni scolastici e all'università. Ho una buona comprensione dei concetti, come CI, i valori p, l'interpretazione del significato statistico, i test multipli, la correlazione, la regressione lineare semplice (con minimi quadrati) (modelli lineari generali) e tutti i test di ipotesi. Mi era stato presentato in gran parte dei giorni precedenti per lo più matematicamente. E ultimamente, con l'aiuto del libro Intuitive Biostatistics, ho colto una comprensione senza precedenti verso l'attuale teoria concettuale, credo.
Ora, ciò che mi manca è la comprensione dei modelli di adattamento (stima dei parametri al modello) e simili. In particolare, concetti come la stima della massima verosimiglianza, modelli lineari generalizzati , approcci bayesiani alla statistica inferenziale mi sembrano sempre estranei. Non ci sono abbastanza esempi o tutorial o concettualmente validi, come si potrebbe trovare su semplici modelli probabilistici o su altri argomenti (di base) su Internet.
Sono un bioinformatico e lavoro su dati RNA-Seq che trattano i conteggi di lettura grezzi per trovare, diciamo, espressione genica (o espressione genica differenziale). Dal mio background, anche se non ho familiarità con i modelli statistici, sono in grado di cogliere il motivo di un'ipotesi di distribuzione di Poisson e binomiali negativi e così via .. Ma alcuni documenti trattano modelli lineari generalizzati e stimano un MLE ecc. Che Credo di avere le basi necessarie per capire.
Immagino che quello che sto chiedendo sia un approccio che alcuni esperti tra di voi ritengono utile e (a) libro (i) che mi aiuti a cogliere questi concetti in un modo più intuitivo (non solo matematica rigorosa, ma teoria sostenuta con la matematica). Dato che per la maggior parte li applicherò, sarei soddisfatto (al momento) di capire cosa sia cosa e dopo, posso tornare a rigorose prove matematiche ... Qualcuno ha qualche consiglio? Non mi dispiace comprare più di un libro se gli argomenti che ho chiesto sono effettivamente sparsi per essere coperti in un libro.
Grazie mille!