• Für die Zeitreihenanalyse: " Prognoseprinzipien und -praktiken" von Hyndman und Athanasopoulos ist absolut ausgezeichnet und liegt in etwa in der Größenordnung der mathematischen Komplexität wie die ISLR (d. H. Genug, aber nicht zu viel). Es hat den zusätzlichen Vorteil, dass es kostenlos online verfügbar ist und viele Codebeispiele enthält. Es hat eine Schwachstelle: Es bietet keine gute Möglichkeit, Geschäftskontext oder intuitive Aspekte der TS-Modellierung bereitzustellen. Dafür empfehle ich " Nachfrageprognose für Manager" von Stephan Kolassa und Enno Siemsen.
• Für GLMs: Kapitel 4 von " Maschinelles Lernen und Mustererkennung" von Bishop enthält eine kurze, aber ziemlich gute Erklärung der GLMs im Kontext der Klassifizierung, und zwar auf der Ebene der theoretischen Mathematik du suchst nach. Keine Codebeispiele, und ich glaube nicht, dass jemals eine kostenlose Version veröffentlicht wurde.
• Für die Überlebensanalyse kann ich Ihnen keine spezifische Referenz geben. Im Allgemeinen würde ich jedoch empfehlen, in Lehrbüchern und Kursmaterialien zu Operations Research oder Wirtschaftsingenieurwesen nach den theoretischen Inhalten auf mittlerer Ebene und den intuitiven Erklärungen zu suchen, die Sie suchen.

Wenn Sie sich für Bayesian Inference interessieren, gibt es ein wunderbares Buch (geht ziemlich oft auf GLMs ein) mit dem Titel Statistical Rethinking von Richard McElreath.Die zweite Ausgabe ist gerade erschienen und es gibt Vortragsreihen auf YouTube.Die neueste Serie (Winter 2019 IIRC) folgt der zweiten Ausgabe.

Ich habe diese neue Ausgabe noch nicht gelesen, aber die erste Ausgabe ist ein Klassiker. Daher wird diese Ausgabe, die ab September 2020 erhältlich ist, mit Sicherheit eine gute Referenz sein.

• https://www.amazon.com/Regression-Stories-Analytical-Methods-Research/dp/110702398X.

Ich stimme der Empfehlung von "Statistical Rethinking" von Mooks zu, das ist großartig.

Für GLMs empfehle ich Faraways Erweiterung des linearen Modells mit R.Ich würde auch Frank Harrells Regressionsmodellierungsstrategien empfehlen, die eine ausführliche Erklärung der Regression als Ganzes und verschiedener Erweiterungen einschließlich der Überlebensmodellierung bieten.Beide Lehrbücher enthalten Code in R.

Für die Überlebensanalyse, Kleinbaum (2013) - Überlebensanalyse - Ein selbstlernender Text ist mit R-Beispielen unkompliziert.Aufgrund von COVID-bezogenen Universitätssperrungen ist es jetzt sogar auf Springer frei verfügbar: https://link.springer.com/book/10.1007%2F978-1-4419-6646-9. Ich denke, Frank Harrells Regressionsmodellierungsstrategien sind aus dem gleichen Grund jetzt auch frei verfügbar.Auf jeden Fall ist es eine kurze Zeit her.

Von einigen der gleichen Autoren gibt es ein anderes Buch, das sich mehr mit der Intuition und den praktischen Aspekten als mit der Mathematik befasst:

Efron und Hastie haben auch ein großartiges Buch, das auch dann machbar ist, wenn Sie die Mathematik überspringen:

Efron, B., & Hastie, T. (2016).Statistische Inferenz des Computerzeitalters: Algorithmen, Evidenz und Datenwissenschaft.Cambridge University Press.