掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
對比Excel,輕松學習Python統計分析 版權信息
- ISBN：9787121447549
- 條形碼：9787121447549 ; 978-7-121-44754-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
對比Excel,輕松學習Python統計分析 本書特色
適讀人群 ：主要面向數據分析師群體以及想要從事數據分析師的大學生！叭肼殧祿治鰩熛盗小眳矔 暢銷4年，深受讀者好評 總銷量超過20萬冊 《對比Excel，輕松學習Python數據分析》 連續三年穩居各大網店暢銷榜前列 出版有繁體版、韓語版 榮獲中國工信出版集團2020年優秀出版物二等獎 榮獲電子工業出版社2020年優秀暢銷書獎 榮獲博文視點公司2019年震撼力圖書獎
對比Excel,輕松學習Python統計分析 內容簡介
本書是“對比 Excel”的第 4 本書，全書依舊突出對比學習的特點，通過對比 Excel 的方式來講解如何利用 Python 學習統計學知識，即統計分析。本書是“對比 Excel”之前 3 本書的延續，同時也是數據分析師技能樹的擴展。本書的主線是圍繞統計學的理論知識展開的，層層遞進，依次為描述性分析、概率和概率分布、抽樣推斷與參數估計、假設檢驗、方差分析、卡方分析、回歸模型、相關性分析、時間序列。每個理論知識又由核心的 3 個部分組成：該理論知識在數據分析中的應用、理論知識講解、Excel 和Python 工具的實現，讓大家學完本書以后既學到了理論知識，也知道如何將理論知識在數據分析中應用，還知道如何用 Excel 和 Python 去實現。
對比Excel,輕松學習Python統計分析 目錄
第1 章 認識統計學 / 1
1.1 統計學是什么 . 1
1.2 統計學和數據分析有什么關系 1
1.3 Python 統計學和統計學有什么區別 . 2
第2 章 描述性分析 / 3
2.1 描述性分析在數據分析中的應用場景 3
2.2 數據類型 . 3
2.3 數據整理與展示 . 3
2.3.1 分類型數據的整理與展示 . 4
2.3.2 數值型數據的整理與展示 . 7
2.4 概括性分析 . 17
2.4.1 集中趨勢指標 . 18
2.4.2 離散程度指標 . 23
2.4.3 分布情況指標 . 25
2.5 其他容易混淆的概念 28
2.5.1 平均值與期望 . 28
2.5.2 比例和比率 . 30
2.5.3 百分比和百分點 . 31
第3 章 概率和概率分布 / 33
3.1 概率和概率分布在數據分析中的應用場景 33
3.2 常見概念 . 33
3.2.1 什么是隨機事件 . 33
3.2.2 什么是隨機變量 . 34
3.2.3 什么是概率 . 34
3.3 離散型隨機變量概率分布 36
3.3.1 概率分布表與概率分布圖 . 36
3.3.2 累積分布函數與百分點函數 . 37
3.3.3 期望與方差 . 37
3.3.4 常見離散型概率分布 . 38
3.4 連續型隨機變量概率分布 46
3.4.1 概率密度與累積分布 . 46
3.4.2 期望與方差 . 50
3.4.3 常見連續型概率分布 . 50
第4 章 抽樣推斷與參數估計 / 65
4.1 抽樣推斷與參數估計在數據分析中的應用場景 65
4.2 抽樣的基本概念 . 65
4.2.1 總體和樣本 . 65
4.2.2 常用統計量 . 66
4.3 常用的抽樣方式 . 66
4.3.1 簡單隨機抽樣 . 67
4.3.2 分層抽樣 . 67
4.4 為什么樣本可以代表總體 68
4.4.1 中心極限定理 . 68
4.4.2 大數定理 . 70
4.5 參數估計的基本方法 71
4.5.1 點估計 . 71
4.5.2 區間估計 . 72
4.6 區間估計的類型 . 72
4.6.1 一個總體參數的區間估計 . 72
4.6.2 兩個總體參數的區間估計 . 80
第5 章 假設檢驗 / 88
5.1 假設檢驗在數據分析中的應用場景 88
5.2 假設檢驗基本思想 88
5.3 假設檢驗中常見的兩種錯誤 90
5.4 顯著性水平和功效 90
5.5 假設檢驗的基本步驟 91
5.6 一個總體參數的檢驗 94
5.6.1 總體均值的檢驗 . 94
5.6.2 總體比例的檢驗 . 98
5.6.3 總體方差的檢驗 . 99
5.7 兩個總體參數的檢驗 101
5.7.1 兩個總體均值之差的檢驗 . 101
5.7.2 兩個總體比例之差的檢驗 . 106
5.7.3 兩個總體方差比的檢驗 . 107
5.8 假設檢驗中*小樣本量的確定 109
5.9 A/B 測試的完整流程 . 111
第6 章 方差分析 / 113
6.1 方差分析在數據分析中的應用場景 . 113
6.2 方差分析的3 個假設 . 113
6.3 正態性檢驗方法 113
6.3.1 直方圖檢驗 113
6.3.2 Q-Q 圖檢驗 114
6.3.3 KS 檢驗 114
6.3.4 AD 檢驗 . 115
6.3.5 W 檢驗 . 116
6.3.6 非正態數據轉換 116
6.4 方差齊性檢驗方法. 118
6.4.1 方差比檢驗 118
6.4.2 Hartley 檢驗 . 118
6.4.3 Bartlett 檢驗 . 119
6.4.4 Levene 檢驗 . 119
6.5 方差分析的基本步驟 120
6.6 方差分析的多重比較 125
6.6.1 LSD 多重比較法 . 125
6.6.2 Sidak 多重比較法 . 127
6.6.3 Bonferroni 多重比較法 . 128
6.7 多因素方差分析 . 129
6.7.1 無交互作用的多因素方差分析 . 129
6.7.2 有交互作用的多因素方差分析 . 134
第7 章 卡方分析 / 140
7.1 卡方分析在數據分析中的應用場景 140
7.2 理論講解 . 140
7.3 Excel 與Python 實現 142
第8 章 回歸模型 / 144
8.1 回歸模型在數據分析中的應用場景 144
8.2 一元線性回歸 . 144
8.2.1 一元線性回歸方程形式 . 144
8.2.2 *小二乘參數估計法 . 145
8.2.3 擬合程度判斷 . 147
8.2.4 顯著性檢驗 . 147
8.2.5 Excel 與Python 實現 149
8.3 多元線性回歸 . 151
8.3.1 多元線性回歸方程形式 . 151
8.3.2 *小二乘參數估計法 . 151
8.3.3 擬合程度判斷 . 151
8.3.4 顯著性檢驗 . 152
8.3.5 多重共線性 . 153
8.3.6 Excel 與Python 實現 153
8.4 協方差分析 . 155
8.4.1 理論講解 . 155
8.4.2 Excel 與Python 實現 157
第9 章 相關性分析 / 159
9.1 相關性分析在數據分析中的應用場景 159
9.2 相關系數的種類 . 159
9.2.1 皮爾遜相關系數 . 159
9.2.2 斯皮爾曼相關系數 . 162
9.2.3 肯德爾相關系數 . 162
9.2.4 Excel 與Python 實現 163
9.3 相關與因果 . 164
第10 章 時間序列 / 165
10.1 時間序列在數據分析中的應用場景 165
10.2 平穩時間序列預測 . 165
10.2.1 簡單平均法 . 166
10.2.2 移動平均法 . 167
10.2.3 指數平滑法 . 169
10.3 時間序列預測模型 . 172
10.3.1 AR 模型 172
10.3.2 MA 模型 174
10.3.3 ARMA 模型 175
10.3.4 ARIMA 模型 . 176
10.4 時間序列分解預測 . 177
10.5 趨勢時間序列預測 . 187
10.5.1 線性趨勢預測 . 187
10.5.2 指數趨勢預測 . 189
10.5.3 對數趨勢預測 . 191
展開全部
對比Excel,輕松學習Python統計分析 作者簡介
張俊紅，某互聯網公司資深數據分析師，暢銷書《對比Excel，輕松學習Python數據分析》作者。對比學習法倡導者，入職數據分析師系列叢書作者。喜歡分享，致力于做一個數據科學路上的終身學習者、實踐者、分享者。公眾號“俊紅的數據分析之路”運營人。
書友推薦
- >
朝聞道
- >
上帝之肋:男人的真實旅程
- >
名家帶你讀魯迅:故事新編
- >
中國歷史的瞬間
- >
經典常談
- >
二體千字文
- >
隨園食單
- >
回憶愛瑪儂
本類暢銷
