Вдохновился работой Артемия
Сделал немного другой вариант, надеюсь в арифметике не ошибся, что маловероятно, конечно, поэтому если кто-то увидет ошибку, прошу маякнуть

Любимый фрагмент интервью с сэром Дэвидом Коксом

Решил опубликовать хоть что-то, что может оказаться для кого-то полезным.

Я считаю, что отличным ресурсом для изучения прикладной статистики и анализа данных являются блоги. Некоторые из них по своей содержательности, качеству изложения и другим параметрам многократно превосходят большинство методологических статей, недавно вот и плагиат из такого блога в статью случился, что неудивительно.

Привожу список блогов, за которыми стараюсь следить или, как минимум, время от времени обращаться к публикациям в них. Этот список отражает мои личные интересы, даже не то, какие задачи мне приходится решать, поэтому он получился сильно смещенным, но все равно некоторые блоги рекомендую посмотреть хотя бы ради эстетического удовольствия.

Andrew Heiss ведет потрясающе красивый и очень полезный блог с акцентом на причинно-следственный вывод и байесовский анализ.

Solomon Kurz публикует блогпосты про байесовский анализ и смешанные модели, а также он проделал невероятную работу по переводу примеров из книг на tidyverse и brms.

Noah Greifer является разработчиком нескольких пакетов, благодаря которым, в том числе, R сложно с чем-то сравнить, а исключительно из его комментариев на stackoverflow и crossvalidated можно составить отличный полноценный учебник.

Gavin Simpson ведет блог с акцентом на обобщенные аддитивные модели, если вам неуютно находиться в линейном мире, но не хочется уходить из мира интерпретируемого, очень рекомендую к прочтению.

Darren Dahly ведет блог по биостатистике, общий замысел которого можно обозначить названием одной из его публикаций I’m not a real statistician, and you can be one too (NB! это блог не из разряда "статистика – это просто").

Demetri Pananos является уже real statistician, но по-моему очень понятно пишет про сложные байесовские модели.

Matthew Jané ведет блог с говорящим названием Meta-Analysis Magic, это как раз он подвергся плагиату, если вам кажется, что нет ничего круче методологии Cochrane, то советую заглянуть, чтобы убедиться в обратном.

Vincent Arel-Bundock является автором пакета {{marginaleffects}}, только ради которого стоит изучать R.

Wolfgang Viechtbauer ведет блог, который одновременно является расширенной документацией {{metafor}} – другого пакета, только ради которого стоит изучать R.

Jonathan Bartlett ведет блог, посвященный, в том числе, одной из незаслуженно игнорируемых тем – статистический вывод в условиях пропущенных значений.

Stephen Wild и Tristan Mahr публикуют классные примеры прикладного байесовского анализа с использованием R, Stan и Turing.jl.

Mattan Ben-Shachar является соавтором мета-пакета {{easystats}}, который я, честно говоря, почти не использую, но блог очень содержательный и охватывает много интересных и сложных тем.

Наконец блоги «классиков»: Frank Harrell и Andrew Gelman, которого, так совпало, можно сегодня поздравить с 20-летием блогинга! )

Вчера вечером наткнулся на учебник по статистике для экологов, решил полистать перед сном, в итоге листал до трех ночи. В итоге понял, что именно такого учебника мне всегда не хватало.

Часто стало получаться так, что у меня в библиотеке есть книги Нобелевских лауреатов по экономике

Нобелевские лауреаты 2024: Дарон Аджемоглу, Джеймс Робинсон, Саймон Джонсон за изучение формирования институтов и их роли в процветании. Ура!

Если про Why nations fail, думаю, знают многие, ещё вот такая книга переведена на русский язык

Автор пакет marginaleffects драфт новой книги опубликовал
https://marginaleffects.com/

С нетерпением жду выхода новых видео на канале ritvikmath, с тех пор как на него наткнулся. Честно говоря, я никогда не задумывался, что доказательство валидности* функции плотности вероятности стандартного нормального распределения – нетривиальная задача.

* валидная функция плотности вероятности (pdf) должна интегрироваться в 1, но существуют функции не обладающие таким свойством, но которые можно использовать вместо настоящих pdf в качестве априорных распределений в байесовском статистическом выводе. Очень известный пример –конъюгированное априорное распределение Джеффриса для биномиального распределения (Beta(1/2, 1/2)).

Симпатичная задчака по генетике/терверу. Xh - аллель гемофилии, вопрос: какова вероятность того, что женщина обведенная окружностью является носителем?

Человек анализом данных занимается, говорит, что профессионально, пишет пост, утверждения в котором можно элементарно проверить, для этого не нужно знать математику.

Как можно сравнить группы по тем или иным количественным переменным, чтобы исключить влияние других ковариат, например, пола и возраста? Читайте на statshots.ru

Порядковые переменные мне представляются очень сложными как с точки зрения анализа, так и с точки зрения визуализации, поэтому всегда радуюсь, когда встречаю что-то простое и элегантное, связанное с ними.
Сегодня наткнулся на простой и красивый подход к визуализации связанных порядковых переменных, сам я часто для этих целей часто использовал alluvial plots, но теперь кажется это в прошлом.

Обожаю курсеру, конечно

Блуждал по интернету и наткнулся на такое:
курс по причинно-следственному выводу от Нобелевского лауреата 2021 года

https://mru.org/courses/mastering-econometrics/path-cause-effect

Сам не смотрел, но промо курса нельзя не оценить высоко )
На фото собственно автор курса и лауреат НП по экономике Джошуа Ангрист

#методы #сausal #inference #учебники #публикации

Ведущий научный сотрудник ЛССИ Борис Соколов недавно выложил в публичный доступ черновую версию своего обзора основных целевых величин (эстимандов), использующихся в статистическом каузальном анализе: АТЕ, АТТ, АТС и прочие тыквенные LATE с CATE. Хотя это ещё не полноценная статья, прошедшая рецензирование, данный текст может оказаться полезным как студентам, так и "взрослым" исследователям или прикладным аналитикам, применяющим соответствующие методы на практике - благо на русском языке литературы по теме откровенно мало.

P.S. Если вы найдёте в рукописи ошибки, неточности, упущения и т.д., или у вас будут иные идеи насчёт того, как её улучшить, можно написать напрямую автору на электронную почту - он открыт к обратной связи и конструктивной критике.

Уже давно заметил, что январь очень хороший месяц с точки зрения появления новых образовательных проектов. Хочу поделиться двумя, за которыми обязательно буду следить.

- Gavin Simpson выложил первое видео из серии, которая будет посвящена постпроцессингу обобщенных аддитивных моделей (GAM) с использованием пакета {{gratia}}

- Стартовал полноценный курс от Jonathan Templin по пропущенным значениям, основанный на книге Applied missing data analysis (с реализацией методов в R c использованием пакетов {{mice}} и {{Amelia}} и даже JAGS и Stan обещаны). Здесь стоит добавить, что хороших видео-материалов по пропускам очень мало и к тому же в них часто используется "неконвенциональное" ПО вроде Mplus (как в серии семинаров Craig Enders, автора указанной выше книги часть 1, часть 2) или IVEware (как в серии семинаров Trivellore Raghunathan часть 1, часть 2, часть 3, часть 4)