现实工作中，人们常常需要用数据说话。可是，数据自己不会说话，需要人对它行分析和挖掘才能找到有价值的信息。概率统计是数据分析的通用语言，是大数据时代预测未来的根基。如果你有编程背景，就能以概率和统计学为工具，将数据转化为有用的信息和知识，让数据说话。本书介绍了如何借助计算而非数学方法，使用Python语言对数据行统计分析。 通过书中有趣的案例，你可以学到探索性数据分析的整个过程，从数据收集和生成统计量，到发现模式和检验假设。你还将探索概率分布、概率法则、可视化技术，以及其他许多工具和概念。
售 价：¥
纸质售价：¥36.40购买纸书
7.1
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
O'Reilly Media, Inc. 介绍
业界评论
前言
写作思路
本书代码
致谢
Safari® Books Online
联系我们
第1章 探索性数据分析
1.1 统计学方法
1.2 全国家庭增长调查
1.3 数据导入
1.4 DataFrame
1.5 变量
1.6 数据变换
1.7 数据验证
1.8 解释数据
1.9 练习
1.10 术语
第2章 分布
2.1 表示直方图
2.2 绘制直方图
2.3 全国家庭增长调查中的变量
2.4 离群值
2.5 第一胎
2.6 分布概述
2.7 方差
2.8 效应量
2.9 报告结果
2.10 练习
2.11 术语
第3章 概率质量函数
3.1 概率质量函数
3.2 绘制PMF
3.3 绘制PMF的其他方法
3.4 课堂规模悖论
3.5 使用DataFrame进行索引
3.6 练习
3.7 术语
第4章 累积分布函数
4.1 PMF的局限
4.2 百分位数
4.3 CDF
4.4 表示CDF
4.5 比较CDF
4.6 基于百分位数的统计量
4.7 随机数
4.8 比较百分位秩
4.9 练习
4.10 术语
第5章 分布建模
5.1 指数分布
5.2 正态分布
5.3 正态概率图
5.4 对数正态分布
5.5 Pareto分布
5.6 随机数生成
5.7 为什么使用模型
5.8 练习
5.9 术语
第6章 概率密度函数
6.1 PDF
6.2 核密度估计
6.3 分布框架
6.4 Hist实现
6.5 Pmf实现
6.6 Cdf实现
6.7 矩
6.8 偏度
6.9 练习
6.10 术语
第7章 变量之间的关系
7.1 散点图
7.2 描述关系特征
7.3 相关性
7.4 协方差
7.5 Pearson相关性
7.6 非线性关系
7.7 Spearman秩相关
7.8 相关性和因果关系
7.9 练习
7.10 术语
第8章 估计
8.1 估计游戏
8.2 猜测方差
8.3 抽样分布
8.4 抽样偏倚
8.5 指数分布
8.6 练习
8.7 术语
第9章 假设检验
9.1 经典假设检验
9.2 假设检验
9.3 检验均值差
9.4 其他检验统计量
9.5 检验相关性
9.6 检验比例
9.7 卡方检验
9.8 再谈第一胎
9.9 误差
9.10 功效
9.11 复现
9.12 练习
9.13 术语
第10章 线性最小二乘法
10.1 最小二乘法拟合
10.2 实现
10.3 残差
10.4 估计
10.5 拟合优度
10.6 检验线性模型
10.7 加权重抽样
10.8 练习
10.9 术语
第11章 回归
11.1 StatsModels
11.2 多重回归
11.3 非线性关系
11.4 数据挖掘
11.5 预测
11.6 Logistic回归
11.7 估计参数
11.8 实现
11.9 准确度
11.10 练习
11.11 术语
第12章 时间序列分析
12.1 导入和清洗数据
12.2 绘制图形
12.3 线性回归
12.4 移动平均值
12.5 缺失值
12.6 序列相关
12.7 自相关
12.8 预测
12.9 参考书目
12.10 练习
12.11 术语
第13章 生存分析
13.1 生存曲线
13.2 危险函数
13.3 估计生存曲线
13.4 Kaplan-Meier估计
13.5 婚姻曲线
13.6 估计生存函数
13.7 置信区间
13.8 群组效应
13.9 外推
13.10 预期剩余生存期
13.11 练习
13.12 术语
第14章 分析方法
14.1 正态分布
14.2 抽样分布
14.3 表示正态分布
14.4 中心极限定理
14.5 检验CLT
14.6 应用CLT
14.7 相关检验
14.8 卡方检验
14.9 讨论
14.10 练习
作者介绍
封面介绍
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
