中圖網小程序
一鍵登錄
更方便
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
概率統計與Python解法 版權信息
- ISBN：9787302618591
- 條形碼：9787302618591 ; 978-7-302-61859-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
概率統計與Python解法 本書特色
本書對概率論及數理統計課題的Python解法全覆蓋：每個課題都給出了解決問題的Python解法，代碼簡潔，說明細致，Python零基礎讀者輕松上手。提供全書所有源代碼，并通過博客形式長期維護、完善數據分析師的良策妙計，編程高手數學修養，Python零基礎塊速入門，機器學習的統計推理基礎。
概率統計與Python解法 內容簡介
本書的內容按當前理工院校同名課程體系展開，涵蓋概率論和數理統計的主要課題。全書共分為8章：前4章系統介紹概率論的課題，內容包括隨機事件及其概率、隨機變量及其分布、隨機向量、隨機變量的數字特征，為后4章討論進行統計推斷的數理統計方法構建一個明晰且嚴格的語境。后4章的數理統計內容包括數理統計的基本概念、參數估計、假設檢驗、方差分析和線性回歸，形成統計推斷的基本結構。 本書選擇Python的科學計算應用包，包括用于快速數組處理的numpy、用于統計計算的scipy.stats、用于積分計算的scipy.integrate和用于繪制2D圖形的matplotlib等作為計算工具，對書中每一節討論的概率統計的計算問題，都給出詳盡的Python解法。
概率統計與Python解法 目錄
第1章 隨機事件及其概率
1.1 隨機試驗與隨機事件
1.1.1 隨機試驗
1.1.2 隨機事件
1.1.3 隨機事件的概率
1.1.4 Python解法
1.2 古典概型與幾何概型
1.2.1 古典概型
1.2.2 幾何概型
1.2.3 Python解法
1.3 條件概率與事件的獨立性
1.3.1 條件概率
1.3.2 乘法公式與事件的獨立性
1.3.3 Python解法
1.4 全概率公式與貝葉斯公式
1.4.1 全概率公式
1.4.2 貝葉斯公式
1.4.3 Python解法
第2章 隨機變量及其分布
2.1 隨機變量及其分布函數
2.1.1 隨機變量
2.1.2 隨機變量的分布函數
2.1.3 Python解法
2.2 離散型隨機變量
2.2.1 離散型隨機變量及其分布律
2.2.2 離散型隨機變量的分布函數
2.2.3 常用離散型隨機變量的分布
2.2.4 Python解法
2.3 連續型隨機變量
2.3.1 連續型隨機變量的概率密度函數
2.3.2 常用連續型隨機變量的分布
2.3.3 Python解法
2.4 隨機變量函數的分布
2.4.1 離散型隨機變量函數的分布
2.4.2 連續型隨機變量函數的分布
2.4.3 Python解法
2.5 本章附錄
第3章 隨機向量
3.12 -維隨機向量的聯合分布函數
3.2 離散型2-維隨機向量
3.2.1 離散型2-維隨機向量的聯合分布律
3.2.2 離散型2-維隨機向量的邊緣分布與條件分布
3.2.3 離散型隨機變量的獨立性
3.2.4 Python解法
3.3 連續型2-維隨機向量
3.3.1 連續型2-維隨機向量的聯合密度函數
3.3.2 連續型2-維隨機向量的邊緣分布與條件分布
3.3.3 連續型隨機變量的獨立性
3.3.4 Python解法
3.4 隨機向量函數的分布
3.4.1 離散型2-維隨機向量函數的分布
3.4.2 連續型2-維隨機向量函數的分布
3.5 正態分布簇的分位點及其計算
3.5.1 隨機變量分布的分位點
3.5.2 標準正態分布分位點計算
3.5.3 ×2分布分位點計算
3.5.4 t分布分位點計算
3.5.5 F分布分位點計算
3.5.6 Python解法
3.6 本章附錄
第4章 隨機變量的數字特征
4.1 隨機變量的數學期望
4.1.1 離散型隨機變量的數學期望
4.1.2 連續型隨機變量的數學期望
4.1.3 隨機變量函數的數學期望
4.1.4 數學期望的性質
4.1.5 Python解法
4.2 隨機變量的方差
4.2.1 隨機變量的方差及其計算
4.2.2 方差的性質
4.2.3 Python解法
4.3 回歸系數和相關系數
4.3.1 隨機變量X與Y的回歸系數
4.3.2 協方差與相關系數
4.3.3 Python解法
4.4 大數定律與中心極限定理
4.4.1 切比雪夫不等式
4.4.2 切比雪夫大數定律
4.4.3 貝努利大數定律
4.4.4 中心極限定理
4.4.5 驗證中心極限定理的Python程序
4.5 本章附錄
第5章 數理統計的基本概念
5.1 簡單樣本
5.1.1 樣本觀測值的直方圖
5.1.2 經驗分布函數
5.1.3 Python解法
5.2 樣本統計量
5.2.1 常用統計量
5.2.2 正態總體的樣本統計量分布
5.2.3 兩個正態總體的樣本統計量分布
5.2.4 Python解法
5.3 本章附錄
第6章 參數估計
6.1 參數的點估計
6.1.1 參數的點估計及其性質
6.1.2 用樣本均值和樣本方差估計總體期望和方差
6.1.3 矩估計法
6.1.4 *大似然估計
6.1.5 Python解法
6.2 參數的區間估計
6.2.1 參數的區間估計概念
6.2.2 單個正態總體參數μ的區間估計
6.2.3 單個正態總體參數σ2的區間估計
6.2.4 兩個正態總體的均值差的區間估計
6.2.5 兩個正態總體方差比的區間估計
6.2.6 Python解法
6.3 本章附錄
第7章 假設檢驗
7.1 單個正態總體均值μ和方差σ2的假設檢驗
7.1.1 已知總體方差σ2，對總體均值μ的假設檢驗
7.1.2 總體方差。2未知，對總體均值μ的假設檢驗
7.1.3 總體方差。2的假設檢驗
7.1.4 假設檢驗的p值方法
7.1.5 Python解法
7.2 兩個正態總體均值差μ1-μ2、方差比σ12/σ22的假設檢驗
7.2.1 已知總體方差σ12和σ22，對總體均值差μ1-μ2的假設檢驗
7.2.2 總體方差σ12和σ22未知但σ12=σ22，對總體均值差的假設檢驗
7.2.3 總體方差比σ12/σ22的假設檢驗
7.2.4 Python解法
7.3 非參數假設檢驗
7.3.1 基于成對數據的檢驗
7.3.2 分布擬合檢驗
7.3.3 聯列表中相互獨立性的檢驗
7.3.4 有限個總體同分布檢驗
7.3.5 Python解法
第8章 方差分析和線性回歸
8.1 單因素試驗的方差分析
8.1.1 單因素試驗模型
8.1.2 平方和分解
8.1.3 SE和SA的統計性質
8.1.4 假設檢驗
8.1.5 參數估計
8.1.6 Python解法
1.1 隨機試驗與隨機事件
1.1.1 隨機試驗
1.1.2 隨機事件
1.1.3 隨機事件的概率
1.1.4 Python解法
1.2 古典概型與幾何概型
1.2.1 古典概型
1.2.2 幾何概型
1.2.3 Python解法
1.3 條件概率與事件的獨立性
1.3.1 條件概率
1.3.2 乘法公式與事件的獨立性
1.3.3 Python解法
1.4 全概率公式與貝葉斯公式
1.4.1 全概率公式
1.4.2 貝葉斯公式
1.4.3 Python解法
第2章 隨機變量及其分布
2.1 隨機變量及其分布函數
2.1.1 隨機變量
2.1.2 隨機變量的分布函數
2.1.3 Python解法
2.2 離散型隨機變量
2.2.1 離散型隨機變量及其分布律
2.2.2 離散型隨機變量的分布函數
2.2.3 常用離散型隨機變量的分布
2.2.4 Python解法
2.3 連續型隨機變量
2.3.1 連續型隨機變量的概率密度函數
2.3.2 常用連續型隨機變量的分布
2.3.3 Python解法
2.4 隨機變量函數的分布
2.4.1 離散型隨機變量函數的分布
2.4.2 連續型隨機變量函數的分布
2.4.3 Python解法
2.5 本章附錄
第3章 隨機向量
3.12 -維隨機向量的聯合分布函數
3.2 離散型2-維隨機向量
3.2.1 離散型2-維隨機向量的聯合分布律
3.2.2 離散型2-維隨機向量的邊緣分布與條件分布
3.2.3 離散型隨機變量的獨立性
3.2.4 Python解法
3.3 連續型2-維隨機向量
3.3.1 連續型2-維隨機向量的聯合密度函數
3.3.2 連續型2-維隨機向量的邊緣分布與條件分布
3.3.3 連續型隨機變量的獨立性
3.3.4 Python解法
3.4 隨機向量函數的分布
3.4.1 離散型2-維隨機向量函數的分布
3.4.2 連續型2-維隨機向量函數的分布
3.5 正態分布簇的分位點及其計算
3.5.1 隨機變量分布的分位點
3.5.2 標準正態分布分位點計算
3.5.3 ×2分布分位點計算
3.5.4 t分布分位點計算
3.5.5 F分布分位點計算
3.5.6 Python解法
3.6 本章附錄
第4章 隨機變量的數字特征
4.1 隨機變量的數學期望
4.1.1 離散型隨機變量的數學期望
4.1.2 連續型隨機變量的數學期望
4.1.3 隨機變量函數的數學期望
4.1.4 數學期望的性質
4.1.5 Python解法
4.2 隨機變量的方差
4.2.1 隨機變量的方差及其計算
4.2.2 方差的性質
4.2.3 Python解法
4.3 回歸系數和相關系數
4.3.1 隨機變量X與Y的回歸系數
4.3.2 協方差與相關系數
4.3.3 Python解法
4.4 大數定律與中心極限定理
4.4.1 切比雪夫不等式
4.4.2 切比雪夫大數定律
4.4.3 貝努利大數定律
4.4.4 中心極限定理
4.4.5 驗證中心極限定理的Python程序
4.5 本章附錄
第5章 數理統計的基本概念
5.1 簡單樣本
5.1.1 樣本觀測值的直方圖
5.1.2 經驗分布函數
5.1.3 Python解法
5.2 樣本統計量
5.2.1 常用統計量
5.2.2 正態總體的樣本統計量分布
5.2.3 兩個正態總體的樣本統計量分布
5.2.4 Python解法
5.3 本章附錄
第6章 參數估計
6.1 參數的點估計
6.1.1 參數的點估計及其性質
6.1.2 用樣本均值和樣本方差估計總體期望和方差
6.1.3 矩估計法
6.1.4 *大似然估計
6.1.5 Python解法
6.2 參數的區間估計
6.2.1 參數的區間估計概念
6.2.2 單個正態總體參數μ的區間估計
6.2.3 單個正態總體參數σ2的區間估計
6.2.4 兩個正態總體的均值差的區間估計
6.2.5 兩個正態總體方差比的區間估計
6.2.6 Python解法
6.3 本章附錄
第7章 假設檢驗
7.1 單個正態總體均值μ和方差σ2的假設檢驗
7.1.1 已知總體方差σ2，對總體均值μ的假設檢驗
7.1.2 總體方差。2未知，對總體均值μ的假設檢驗
7.1.3 總體方差。2的假設檢驗
7.1.4 假設檢驗的p值方法
7.1.5 Python解法
7.2 兩個正態總體均值差μ1-μ2、方差比σ12/σ22的假設檢驗
7.2.1 已知總體方差σ12和σ22，對總體均值差μ1-μ2的假設檢驗
7.2.2 總體方差σ12和σ22未知但σ12=σ22，對總體均值差的假設檢驗
7.2.3 總體方差比σ12/σ22的假設檢驗
7.2.4 Python解法
7.3 非參數假設檢驗
7.3.1 基于成對數據的檢驗
7.3.2 分布擬合檢驗
7.3.3 聯列表中相互獨立性的檢驗
7.3.4 有限個總體同分布檢驗
7.3.5 Python解法
第8章 方差分析和線性回歸
8.1 單因素試驗的方差分析
8.1.1 單因素試驗模型
8.1.2 平方和分解
8.1.3 SE和SA的統計性質
8.1.4 假設檢驗
8.1.5 參數估計
8.1.6 Python解法
展開全部
概率統計與Python解法 作者簡介
徐子珊，男，副教授。數學專業出身。長期從事高校數學、算法和程序設計教學，深受學生喜愛。曾擔任ACM/ICPC競賽教練。指導過多屆ITAT競賽。2003年在復旦大學計算機科學系做國內訪問學者，師從國內算法界前輩朱洪教授。2010年曾出版《算法設計、分析與實現》一書，受到讀者好評。該書遠銷中國臺灣地區。曾有多人來函索要書中相關代碼。2012年出版該書修訂版。
書友推薦
- >
上帝之肋:男人的真實旅程
- >
莉莉和章魚
- >
伊索寓言-世界文學名著典藏-全譯本
- >
推拿
- >
中國歷史的瞬間
- >
李白與唐代文化
- >
我與地壇
- >
二體千字文
本類暢銷
