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
PYTHON概率統計 版權信息
- ISBN：9787302616573
- 條形碼：9787302616573 ; 978-7-302-61657-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTHON概率統計 本書特色
本書一方面遵循概率論和數理統計的教學大綱，在數學方面不過于強調，沒有過多展開；另一方面，利用Python為工具，實現了大部分的理論和模型，使讀者通過“實踐”簡化學習過程，提高代碼能力，增強動手能力。為進一步學習人工智能和大數據科學奠定良好基礎。
PYTHON概率統計 內容簡介
本書以Python為工具，全面講解概率論與數理統計的主要內容和多元統計分析常用技術。全書包括13章和4個附錄，內容翔實，講解深入淺出。概率論4章，講解概率論基礎知識，主要是隨機變量的相關理論；數理統計4章，主要是樣本理論、參數估計和假設檢驗；回歸分析2章，包括一元和多元回歸分析及其統計解釋；多元統計3章，主要講解主成分分析和因子分析理論。整書內容簡明，易上手，實用性強。本書不需要讀者有良好的數學基礎，4個附錄提供了Python基礎知識、微積分與線性代數的必要基礎，可滿足不同層次的讀者需求。本書的特色是將Python貫穿于內容之中，為讀者提供實踐練習，也便于讀者學習用Python解決實際問題的能力。 本書適用于大數據與人工智能專業的教師和學生，也適用于對數據科學感興趣的人士和企業界的工程師。
PYTHON概率統計 目錄
第1章概率論的基本概念
1.1隨機試驗、樣本空間、事件
1.1.1隨機試驗
1.1.2樣本空間
1.1.3事件
1.2事件的關系與運算
1.2.1事件的關系與運算
1.2.2事件的運算律
1.3頻率與概率
1.3.1頻率
1.3.2概率
1.4等可能概型
1.4.1古典概型
1.4.2幾何概型
1.5條件概率與獨立性
1.5.1條件概率
1.5.2獨立性
1.6全概率公式與貝葉斯公式
1.6.1樣本空間的劃分
1.6.2全概率公式
1.6.3貝葉斯公式
1.7本章練習
1.8常見考題解析： 隨機事件和概率
1.9本章常用的Python函數總結
1.10本章上機練習
第2章隨機變量及其分布
2.1隨機變量
2.2離散型隨機變量及其分布律
2.2.1離散型隨機變量
2.2.2離散型隨機變量： 伯努利分布
2.2.3離散型隨機變量： 幾何分布
2.2.4離散型隨機變量： 超幾何分布
2.2.5離散型隨機變量： 二項分布
2.2.6離散型隨機變量： 泊松分布
2.3分布函數
2.4連續型隨機變量及其概率密度
2.4.1連續型隨機變量
2.4.2連續型隨機變量： 均勻分布
2.4.3連續型隨機變量： 指數分布
2.4.4連續型隨機變量： 正態分布
2.5隨機變量的函數分布
2.5.1離散型隨機變量的函數
2.5.2連續型隨機變量的函數
2.6本章練習
2.7常見考題解析： 隨機變量及其分布
2.8本章常用的Python函數總結
2.9本章上機練習
第3章多維隨機變量及其分布
3.1二維隨機變量及其分布函數
3.1.1二維隨機變量的分布函數
3.1.2二維離散型隨機變量
3.1.3二維連續型隨機變量
3.2邊緣分布
3.3條件分布
3.4相互獨立的隨機變量
3.5二維正態分布隨機變量
3.6隨機變量函數的分布
3.6.1隨機變量和的分布
3.6.2隨機變量商的分布
3.6.3隨機變量積的分布
3.6.4兩個隨機變量值與小值的分布
3.7本章練習
3.8常見考題解析： 多維隨機變量及其分布
3.9本章常用的Python函數總結
3.10本章上機練習
第4章隨機變量的數字特征
4.1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數學期望的重要性質
4.2方差和標準差
4.2.1方差
4.2.2方差的性質
4.2.3正態分布的均值和方差
4.3協方差和相關系數
4.3.1協方差的性質
4.3.2相關系數的性質
4.3.3相關性與獨立性
4.4協方差矩陣
4.4.1協方差矩陣的性質
4.4.2多維正態分布的聯合密度
4.5本章練習
4.6常見考題解析： 隨機變量的數字特征
4.7本章常用的Python函數總結
4.8本章上機練習
第5章大數定律與中心極限定理
5.1大數定律
5.1.1切比雪夫不等式
5.1.2依概率收斂
5.1.3切比雪夫大數定律
5.1.4辛欽大數定律
5.1.5伯努利大數定律
5.2中心極限定理
5.3本章習題
5.4常見考題解析： 大數定律與中心極限定理
5.5本章常用的Python函數總結
5.6本章上機練習
第6章樣本、統計量及抽樣分布
6.1總體與樣本
6.1.1總體
6.1.2樣本
6.1.3樣本分布
6.2統計量與抽樣分布
6.2.1統計量
6.2.2經驗分布函數
6.3三大抽樣分布
6.3.1卡方分布（χ2分布）
6.3.2學生分布（t分布）
6.3.3F分布
6.4正態總體的抽樣分布
6.5簡單統計作圖
6.5.1頻率直方圖
6.5.2箱線圖
6.6本章練習
6.7常見考題解析： 樣本、統計量及抽樣分布
6.8本章常用的Python函數總結
6.9本章上機練習
第7章參數估計
7.1點估計
7.1.1矩估計法
7.1.2似然估計法
7.2估計量的評選標準
7.2.1無偏性
7.2.2有效性
7.2.3相合性
7.3區間估計
7.4正態總體均值與方差的區間估計
7.4.1單個正態總體
7.4.2兩個正態總體
7.5單側區間估計
7.6本章練習
7.7常見考題解析： 參數估計
7.8本章常用的Python函數總結
7.9本章上機練習
第8章假設檢驗
8.1假設檢驗的原理
8.2正態總體均值的假設檢驗
8.2.1單個正態總體均值的假設檢驗
8.2.2兩個正態總體均值的假設檢驗
8.3正態總體方差的假設檢驗
8.3.1單個正態總體方差的假設檢驗
8.3.2兩個正態總體方差的假設檢驗
8.4置信區間與假設檢驗之間的關系
8.5分布擬合檢驗
8.5.1單個分布的卡方擬合檢驗
8.5.2分布族的卡方擬合檢驗
8.6本章練習
8.7常見考題解析： 假設檢驗
8.8本章常用的Python函數總結
8.9本章上機練習
第9章一元線性回歸
9.1回歸分析概述
9.2一元線性回歸
9.2.1一元線性回歸的數學形式
9.2.2參數的普通小二乘估計
9.2.3參數的似然估計
9.2.4小二乘估計的性質
9.2.5回歸方程的顯著性檢驗
9.2.6決定系數
9.2.7殘差分析
9.2.8回歸系數的區間估計
9.2.9單值預測和區間預測
9.3本章練習
9.4常見考題解析： 一元線性回歸
9.5本章常用的Python函數總結
9.6本章上機練習
第10章多元線性回歸
10.1多元線性回歸模型的數學形式
10.2多元線性回歸模型的基本假定
10.3多元線性回歸模型的解釋
10.4回歸參數的估計
10.4.1回歸參數的普通小二乘估計
10.4.2回歸參數的似然估計
10.4.3參數估計的性質
10.4.4回歸方程的顯著性檢驗
10.4.5回歸系數的置信區間與擬合優度檢驗
10.5本章練習
10.6常見考題解析： 多元線性回歸
10.7本章常用的Python函數總結
10.8本章上機練習
第11章多重共線性與嶺回歸
11.1多重共線性產生的原因及其影響
11.2多重共線性的診斷
11.2.1方差擴大因子法
11.2.2特征根判定法
11.3消除多重共線性的方法
11.3.1剔除不重要的解釋變量
11.3.2增大樣本量
11.3.3回歸系數的有偏估計與嶺回歸
11.3.4嶺回歸估計的性質
11.3.5嶺回歸k的選擇
11.4本章練習
第12章主成分分析
12.1總體主成分
12.1.1主成分的求法
12.1.2主成分的性質
12.1.3標準化變量的主成分
12.2樣本主成分
12.2.1樣本主成分的性質
12.2.2主成分的個數
12.3主成分分析的應用
12.4本章練習
12.5本章常用的Python函數總結
12.6本章上機練習
第13章因子分析
13.1因子模型
13.1.1因子載荷的統計意義
13.1.2變量共同度的統計意義
13.1.3公共因子的方差貢獻
13.2參數估計
13.2.1主成分法
13.2.2主因子解
13.2.3似然法
13.2.4主成分估計法的步驟
13.3本章練習
13.4本章常用的Python函數總結
13.5本章上機練習
附錄APython基礎
A.1Python開發環境
A.2Python基礎語法
A.2.1Python常用內置數據類型
A.2.2變量的賦值
A.2.3數字類型Numbers
A.2.4字符串類型String
A.3Python標準數據類型
A.3.1Python標準數據類型： 列表
A.3.2Python標準數據類型： 元組
A.3.3Python標準數據類型： 字典
A.3.4Python標準數據類型： 集合
A.4Python中的條件語句和循環語句
A.4.1Python條件語句
A.4.2Python循環語句
附錄B微積分基礎
B.1映射、函數與極限
B.1.1集合
B.1.2映射與函數
B.1.3極限與連續
B.2導數與微分
B.2.1一階導數
B.2.2高階導數
B.2.3泰勒公式
B.2.4函數的值與小值
B.2.5函數圖形的繪制
B.3不定積分
B.4定積分
B.5常微分方程
B.6多元函數的偏導數
B.7多元函數的極值
B.8重積分
附錄C線性代數基礎
C.1向量與矩陣
C.1.1數域
C.1.2向量的代數意義
C.1.3向量的代數運算
C.1.4向量的幾何意義
C.1.5矩陣
C.1.6常見特殊矩陣
C.1.7矩陣的運算
C.2線性方程組
C.2.1高斯消元法
C.2.2線性方程組的矩陣
C.2.3齊次線性方程組的解
C.3行列式
C.3.1二階與三階行列式
C.3.2排列與逆序數
C.3.3n階行列式
C.3.4行列式的性質
C.3.5行列式的展開
C.3.6克萊姆法則
C.4矩陣的逆
C.5矩陣的對角化
C.5.1矩陣的相似
C.5.2特征值與特征向量
C.5.3矩陣的對角化
C.5.4正交矩陣
C.5.5實對稱矩陣的對角化
附錄DNumPy基礎
D.1創建NumPy數組
D.1.1使用NumPy內部功能函數
D.1.2從Python列表轉換
D.1.3使用特殊的庫函數
D.2NumPy中的矩陣和向量
D.3數組屬性和操作
D.4數組的索引
D.4.1花式索引
D.4.2布爾索引
D.4.3缺省索引
D.4.4where（）函數
D.5通用函數
D.5.1數學運算
D.5.2三角函數
D.5.3位運算函數
D.5.4比較函數
D.6矩陣計算
D.6.1矩陣和向量積
D.6.2矩陣的分解
D.6.3矩陣的特征值
D.6.4矩陣的逆和解方程
參考文獻
展開全部
PYTHON概率統計 作者簡介
李爽，職業教育大數據研究院研究員，博士后。主持廣東省教育廳科研項目一項，廣州市科技計劃項目一項。發表SCI檢索論文4篇，EI檢索5篇。現從事大數據及人工智能研究、數據挖掘和機器學習，以及高等教育研究等。
書友推薦
- >
山海經
- >
隨園食單
- >
姑媽的寶刀
- >
【精裝繪本】畫給孩子的中國神話
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
名家帶你讀魯迅:故事新編
- >
上帝之肋:男人的真實旅程
本類暢銷
