- Python统计分析基础及实践
- - 作者：(日)谷合广纪|责编:杨静华|译者:吴延科
  - 出版社：中国水利水电
  - ISBN：9787522607931
  - 出版日期：2022/09/01
  - 页数：243
- 售价：35.92

内容大纲
《Python统计分析基础及实践》以Python 3为基础，详细介绍了Python在统计分析中的基础知识和实践应用，全书大致由数据整理、概率和统计推断三部分组成。其中在第1章对统计分析对象——数据的基本用语和数据的分类进行了介绍。第2～3章介绍了汇总平均值和数据方差的计算方法，进而介绍了数据可视化的方法。第4～9章介绍概率相关知识，概率是统计分析中不可缺少的数学知识。第10～12章介绍主要的统计分析方法，如参数估计、假设检验、回归分析等。其中每章都用一个例子贯穿始终，提出问题并用Python编程实现，以点带面，可帮助读者快速理解知识点，并通过编程让读者对统计分析建立直观的理解。
《Python统计分析基础及实践》知识点全面，内容安排由浅入深、循序渐进，特别适合大中专院校金融、财务、统计、计算机、人工智能、机器学习相关专业学生学习，也适合初级科研人员、职场的数据分析人员参考学习。
作者介绍
目录
第1章  关于数据
  1.1  数据大小
  1.2  变量类型
    1.2.1  定性变量和定量变量
    1.2.2  尺度水平
    1.2.3  离散型变量和连续型变量
  1.3  总结
第2章  整理一维数据
  2.1  数据中心指标
    2.1.1  平均值
    2.1.2  中位数
    2.1.3  众数
  2.2  数据偏差指标
    2.2.1  方差和标准差
    2.2.2  极差和四分位差
    2.2.3  数据指标汇总
  2.3  数据归一化
    2.3.1  标准化
    2.3.2  偏差值
  2.4  一维数据的可视化
    2.4.1  频数分布表
    2.4.2  直方图
    2.4.3  箱线图
第3章  整理二维数据
  3.1  两个数据的关系指标
    3.1.1  协方差
    3.1.2  相关系数
  3.2  二维数据的可视化
    3.2.1  散点图
    3.2.2  回归直线
    3.2.3  热图
  3.3  Anscombe的实例分析
第4章  推断统计基础
  4.1  总体与样本
  4.2  概率模型
    4.2.1  概率基础
    4.2.2  概率分布
  4.3  推断统计中的概率
  4.4  后面要学习的内容
第5章  离散型随机变量
  5.1  一维离散型随机变量
    5.1.1  一维离散型随机变量的定义
    5.1.2  一维离散型随机变量的数值指标
  5.2  二维离散型随机变量
    5.2.1  二维离散型随机变量的定义
    5.2.2  二维离散型随机变量的数值指标
第6章  常见的离散型概率分布
  6.1  伯努利分布
  6.2  二项分布
  6.3  几何分布

  6.4  泊松分布
第7章  连续型随机变量
  7.1  一维连续型随机变量
    7.1.1  一维连续型随机变量的定义
    7.1.2  一维连续型随机变量的数值指标
  7.2  二维连续型随机变量
    7.2.1  二维连续型随机变量的定义
    7.2.2  二维连续型随机变量的数值指标
第8章  常见的连续型概率分布
  8.1  正态分布
  8.2  指数分布
  8.3  卡方分布
  8.4  t分布
  8.5  F分布
第9章  独立同分布
  9.1  独立性
    9.1.1  独立性的定义
    9.1.2  独立性和无相关性
  9.2  和的分布
    9.2.1  正态分布之和的分布
    9.2.2  泊松分布之和的分布
    9.2.3  伯努利分布之和的分布
  9.3  样本平均值的分布
    9.3.1  正态分布的样本平均值的分布
    9.3.2  泊松分布的样本平均值的分布
    9.3.3  中心极限定理
    9.3.4  大数定律
第10章  统计推断
  10.1  点估计
    10.1.1  总体平均值的点估计
    10.1.2  总体方差的点估计
    10.1.3  点估计的总结
  10.2  区间估计
    10.2.1  正态分布的总体平均值（总体方差已知）的区间估计
    10.2.2  正态分布的总体方差的区间估计
    10.2.3  正态分布的总体平均值（总体方差未知）的区间估计
    10.2.4  伯努利分布的总体区间估计
    10.2.5  泊松分布的总体平均值的置信区间
第11章  统计假设检验
  11.1  统计假设检验的概念
    11.1.1  统计假设检验基础
    11.1.2  单侧检验和双侧检验
    11.1.3  假设检验中的两类错误
  11.2  常用的假设检验
    11.2.1  正态分布的总体平均值的检验（总体方差已知）
    11.2.2  正态分布的总体方差的检验
    11.2.3  正态分布的总体平均值的检验（总体方差未知）
  11.3  双样本问题的假设检验
    11.3.1  配对样本的t检验
    11.3.2  独立样本的t检验

    11.3.3  威尔科克森符号秩检验
    11.3.4  曼-惠特尼U检验
    11.3.5  卡方检验
第12章  回归分析
  12.1  简单回归模型
    12.1.1  回归分析的假定
    12.1.2  基于statsmodels的回归分析
    12.1.3  回归系数
  12.2  多元回归模型
    12.2.1  回归系数
    12.2.2  哑变量
  12.3  模型选择
    12.3.1  决定系数
    12.3.2  自由度调整后的决定系数
    12.3.3  F检验
    12.3.4  最大对数似然和AIC
  12.4  模型的有效性
    12.4.1  正态性检验
    12.4.2  杜宾-沃森似然比
    12.4.3  多重共线性
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目