[
-
内容大纲
本书是“对比Excel”的第4本书，全书依旧突出对比学习的特点，通过对比Excel的方式来讲解如何利用Python学习统计学知识，即统计分析。
本书是“对比Excel”之前3本书的延续，同时也是数据分析师技能树的扩展。本书的主线是围绕统计学的理论知识展开的，层层递进，依次为描述性分析、概率和概率分布、抽样推断与参数估计、假设检验、方差分析、卡方分析、回归模型、相关性分析、时间序列。每个理论知识又由核心的3个部分组成：该理论知识在数据分析中的应用、理论知识讲解、Excel和Python工具的实现，让大家学完本书以后既学到了理论知识，也知道如何将理论知识在数据分析中应用，还知道如何用Excel和Python去实现。 -
作者介绍
张俊红，某互联网公司数据分析师，擅长Python、Sql、Excel，对数据分析、机器学习领域比较熟悉。喜欢分享，致力于做一个数据科学路上的终身学习者，实践者，分享者。个人微信公众号“张俊红”定期推送数据分析、机器学习、网络爬虫、Python 编程系列文章。 -
目录
第1章 认识统计学
1.1 统计学是什么
1.2 统计学和数据分析有什么关系
1.3 Python统计学和统计学有什么区别
第2章 描述性分析
2.1 描述性分析在数据分析中的应用
2.2 数据类型
2.3 数据整理与展示
2.3.1 分类型数据整理与展示
2.3.2 数值型数据整理与展示
2.4 概括性分析
2.4.1 集中趋势指标
2.4.2 离散程度指标
2.4.3 分布情况指标
2.5 其他容易混淆的概念
2.5.1 均值与期望
2.5.2 比例和比率
2.5.3 百分比和百分点
第3章 概率和概率分布
3.1 概率和概率分布在数据分析中的应用场景
3.2 常见概念
3.2.1 什么是随机事件
3.2.2 什么是随机变量
3.2.3 什么是概率
3.3 离散型随机变量概率分布
3.3.1 概率分布表与概率分布图
3.3.2 累积分布函数与百分点函数
3.3.3 期望与方差
3.3.4 常见离散型概率分布
3.4 连续型随机变量概率分布
3.4.1 概率密度与累积分布
3.4.2 期望与方差
3.4.3 常见连续型概率分布
第4章 抽样推断与参数估计
4.1 抽样推断与参数估计在数据分析中的应用场景
4.2 抽样的基本概念
4.2.1 总体和样本
4.2.2 常用统计量
4.3 常用的抽样方式
4.3.1 简单随机抽样
4.3.2 分层抽样
4.4 为什么样本可以代表总体
4.4.1 中心极限定理
4.4.2 大数定理
4.5 参数估计的基本方法
4.5.1 点估计
4.5.2 区间估计
4.6 区间估计的类型
4.6.1 一个总体参数的区间估计
4.6.2 两个总体参数的区间估计
第5章 假设检验
5.1 假设检验在数据分析中的应用场景
5.2 假设检验基本思想
5.3 假设检验中常见的两种错误
5.4 显著性水平和功效
5.5 假设检验的基本步骤
5.6 一个总体参数的检验
5.6.1 总体均值的检验
5.6.2 总体比例的检验
5.6.3 总体方差的检验
5.7 两个总体参数的检验
5.7.1 两个总体均值之差的检验
5.7.2 两个总体比例之差的检验
5.7.3 两个总体方差比的检验
5.8 假设检验中最小样本量的确定
5.9 A/B测试的完整流程
第6章 方差分析
6.1 方差分析在数据分析中的应用场景
6.2 方差分析的3个假设
6.3 正态性检验方法
6.3.1 直方图检验
6.3.2 Q-Q图检验法
6.3.3 KS检验
6.3.4 AD检验
6.3.5 W检验
6.3.6 非正态数据转换
6.4 方差齐性检验方法
6.4.1 方差比检验
6.4.2 Hartley检验
6.4.3 Bartlett检验
6.4.4 Levene检验
6.5 方差分析的基本步骤
6.6 方差分析的多重比较
6.6.1 LSD多重比较法
6.6.2 Sidak多重比较法
6.6.3 Bonferroni多重比较法
6.7 多因素方差分析
6.7.1 无交互作用的多因素方差分析
6.7.2 有交互作用的多因素方差分析
第7章 卡方分析
7.1 卡方分析在数据分析中的应用
7.2 理论讲解
7.3 Excel与Python实现
第8章 回归模型
8.1 回归模型在数据分析中的应用场景
8.2 一元线性回归
8.2.1 多元回归方程形式
8.2.2 最小二乘参数估计法
8.2.3 拟合程度判断
8.2.4 显著性检验
8.2.5 Excel与Python实现
8.3 多元线性回归
8.3.1 回归方程形式
8.3.2 最小二乘参数估计
8.3.3 拟合程度判断
8.3.4 显著性检验
8.3.5 多重共线性
8.3.6 Excel与Python实现
8.4 协方差分析
8.4.1 理论讲解
8.4.2 Excel与Python实现
第9章 相关性分析
9.1 相关性分析在数据分析中的应用场景
9.2 相关系数的种类
9.2.1 皮尔逊相关系数
9.2.2 斯皮尔曼相关系数
9.2.3 肯德尔相关系数
9.2.4 Excel与Python实现
9.3 相关与因果
第10章 时间序列
10.1 时间序列在数据分析中的应用
10.2 平稳时间序列预测
10.2.1 简单平均法
10.2.2 移动平均法
10.2.3 指数平滑法
10.3 时间序列预测模型
10.3.1 AR模型
10.3.2 MA模型
10.3.3 ARMA模型
10.3.4 ARIMA模型
10.4 时间序列分解预测
10.5 趋势时间序列预测
10.5.1 线性趋势预测
10.5.2 指数趋势预测
10.5.3 对数趋势预测
同类热销排行榜
- 向着光亮那方/谁的青春不迷茫系列16.8
- 你所谓的稳定不过是在浪费生命15.2
- 全球通史(从史前史到21世纪第7版修订版下)/培文书系21.6
- 答案之书(精)15.2
- 八万四千问18
- 万历十五年/黄仁宇作品系列10.4
- 耶路撒冷三千年(精)31.2
- 中国大历史/黄仁宇作品系列11.2
- 梦的解析15.92
- 鱼羊野史(第6卷11-12月晓松说历史上的今天)18
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...