- Python统计分析项目化教程(普通高等教育数据科学与大数据技术专业教材)
- - 作者：编者:章小华//孙伟男//于虹博//李文龙|责编:鞠向超
  - 出版社：中国水利水电
  - ISBN：9787522634494
  - 出版日期：2025/08/01
  - 页数：233
- 售价：19.6

内容大纲
本书以数据分析的实际应用为核心，结合Python的强大功能，系统讲解了数据处理、统计分析与建模的理论和实践。全书从搭建数据分析环境入手，逐步介绍Python中常用的统计工具包（如numpy、pandas、matplotlib等），并深入讲解概率计算、描述性统计分析、方差分析、参数估计与假设检验等核心内容，辅以丰富的Python代码示例。书中重点探讨回归分析和时间序列分析，涵盖一元回归与多元回归、逻辑回归、趋势分析和预测方法，并结合实际案例展示其应用价值。最后一章通过精选案例整合全书知识点，呈现理论在实际项目中的应用。本书理论与实践相结合，旨在帮助读者构建系统化的数据分析能力，无论是初学者还是专业人士都能从中获得提升，为职业发展奠定坚实的基础。
本书可作为高等院校“统计分析与Python应用”“数据科学基础”等课程的教材或配套参考书，也可作为数据分析师、统计建模工程师的职业技能培训的参考书。
作者介绍
目录
前言
第1章数据与Python
  1.1 环境配置
    1.1.1 Python环境搭建
    1.1.2 PyCharm安装与配置
    1.1.3 Jupyter Notebook安装与配置
    1.1.4 Python统计分析包的安装
  1.2 Python统计分析包
    1.2.1 numpy包
    1.2.2 pandas包
    1.2.3 matplotlib包
    1.2.4 scipy包
    1.2.5 statsmodels包
  本章小结
  习题1
第2章概率计算与随机抽样
  2.1 不同类型的概率计算
    2.1.1 古典概型
    2.1.2 条件概率
    2.1.3 贝叶斯概率
    2.1.4 联合概率和边缘概率
  2.2 随机抽样
    2.2.1 概率抽样
    2.2.2 非概率抽样
    2.2.3 概率抽样与非概率抽样的区别
  本章小结
  习题2
第3章描述性统计分析
  3.1 分布数列
    3.1.1 分布数列的概念
    3.1.2 分布数列的构成要素
    3.1.3 分布数列的基本形式
    3.1.4 分布数列的分类
    3.1.5 累计次数分布
    3.1.6 次数分布的主要类型
  3.2 统计图
    3.2.1 统计图的概念
    3.2.2 统计图的种类
    3.2.3 常见统计图的特征及用途
  3.3 描述性统计量
    3.3.1 集中趋势的测度
    3.3.2 描述数据离散程度的特征量
    3.3.3 分布的峰度和偏度指标
  本章小结
  习题3
第4章方差分析
  4.1 单因素方差分析
    4.1.1 单因素方差分析的基本原理
    4.1.2 单因素方差分析的数学模型
    4.1.3 单因素方差分析的Python示例

  4.2 双因素方差分析
    4.2.1 双因素方差分析的基本原理
    4.2.2 无交互作用的双因素试验的方差分析
    4.2.3 双因素方差分析的Python示例
  本章小结
  习题4
第5章参数估计与假设检验
  5.1 参数估计
    5.1.1 点估计
    5.1.2 矩估计
    5.1.3 最大似然估计法
    5.1.4 基于截尾样本的最大似然估计
    5.1.5 评估量的评选标准
    5.1.6 区间估计
    5.1.7 正态总体均值与方差的区间估计
    5.1.8 0-1分布参数的区间估计
    5.1.9 置信区间
  5.2 假设检验
    5.2.1 假设检验方法
    5.2.2 正态总体均值的假设检验
    5.2.3 基于成对数据的检验
    5.2.4 正态总体方差的假设检验
    5.2.5 置信区间与假设检验之间的关系
    5.2.6 样本容量的选取
    5.2.7 秩和检验
    5.2.8 假设检验问题的p值检验法
  本章小结
  习题5
第6章相关与回归分析
  6.1 相关分析
    6.1.1 变量的关系类型
    6.1.2 相关关系的种类
    6.1.3 相关分析的内容
    6.1.4 一元线性相关分析
    6.1.5 多元线性相关分析
    6.1.6 卡方检验
    6.1.7 皮尔逊相关系数
    6.1.8 方差分析
    6.1.9 相关性图
  6.2 回归分析
    6.2.1 一元线性回归
    6.2.2 多元线性回归
    6.2.3 非线性回归
    6.2.4 时间序列回归
    6.2.5 逻辑回归
  本章小结
  习题6
第7章时间序列分析
  7.1 时间序列基本概念
    7.1.1 平稳性

    7.1.2 遍历性
    7.1.3 白噪声
  7.2 时间序列的分类
    7.2.1 时间序列的数据类型
    7.2.2 常见的数据特征
  7.3 时间序列的对比分析
    7.3.1 发展水平与平均发展水平
    7.3.2 增长量与平均增长量
    7.3.3 发展速度与增长速度
    7.3.4 平均发展速度与平均增长速度
  7.4 时间序列的成分及其分析
    7.4.1 时间序列的成分
    7.4.2 时间序列的分解模型
    7.4.3 长期趋势分析
    7.4.4 季节成分分析
    7.4.5 循环成分与不规则成分分析
  7.5 时间序列的预测方法
    7.5.1 趋势外推法
    7.5.2 移动平均预测
    7.5.3 指数平滑预测
    7.5.4 预测误差
  本章小结
  习题7
第8章案例分析
  8.1 概率计算与随机抽样案例分析
    8.1.1 古典概型
    8.1.2 条件概率
    8.1.3 贝叶斯概率
    8.1.4 联合概率和边缘概率
    8.1.5 概率抽样
    8.1.6 非概率抽样
  8.2 描述性统计分析案例分析
    8.2.1 分布数列分类（变量数列）
    8.2.2 次数分布的主要类型
    8.2.3 集中趋势的测度
    8.2.4 描述数据离散程度的特征量
  8.3 方差分析案例分析
    8.3.1 单因素方差分析
    8.3.2 双因素方差分析
  8.4 参数估计与假设检验案例分析
    8.4.1 点估计和矩估计
    8.4.2 基于截尾样本的最大似然估计
    8.4.3 置信区间
    8.4.4 正态总体均值的假设检验
    8.4.5 正态总体方差的假设检验
    8.4.6 秩和检验
  8.5 相关与回归分析案例分析
    8.5.1 一元线性相关分析
    8.5.2 多元线性相关分析
    8.5.3 卡方检验

    8.5.4 方差分析
    8.5.5 一元线性回归
    8.5.6 多元线性回归
    8.5.7 非线性回归
  8.6 时间序列分析案例分析
    8.6.1 发展速度与增长速度
    8.6.2 平均发展速度与平均增长速度
    8.6.3 长期趋势分析
    8.6.4 季节成分分析
    8.6.5 移动平均预测
    8.6.6 指数平滑预测
  本章小结
  习题8
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