用Python动手学统计学

封面

版权信息

版权声明

说明

前言

第 1 章 统计学基础

1-1 统计学

1-2 获取样本的过程

1-3 抽样过程的抽象描述

1-4 描述统计基础

1-5 总体分布的推断

1-6 概率质量函数与概率密度函数

1-7 统计量的计算

1-8 概率论基础

1-9 随机变量与概率分布

第 2 章 Python 与 Jupyter Notebook 基础

2-1 环境搭建

2-2 认识 Jupyter Notebook

2-3 Python 编程基础

2-4 认识 numpy 与 pandas

第 3 章 使用 Python 进行数据分析

3-1 使用 Python 进行描述统计：单变量

3-2 使用 Python 进行描述统计：多变量

3-3 基于 matplotlib、seaborn 的数据可视化

3-4 用 Python 模拟抽样

3-5 样本统计量的性质

3-6 正态分布及其应用

3-7 参数估计

3-8 假设检验

3-9 均值差的检验

3-10 列联表检验

3-11 检验结果的解读

第 4 章 统计模型基础

4-1 统计模型

4-2 建模方法

4-3 数据表示与模型名称

4-4 参数估计：最大似然估计

4-5 参数估计：最小化损失

4-6 预测精度的评估与变量选择

第 5 章 正态线性模型

5-1 含有单个连续型解释变量的模型（一元回归）

5-2 方差分析

5-3 含有多个解释变量的模型

第 6 章 广义线性模型

6-1 各种概率分布

6-2 广义线性模型基础

6-3 logistic 回归

6-4 广义线性模型的评估

6-5 泊松回归

第 7 章 统计学与机器学习

7-1 机器学习基础

7-2 正则化、Ridge 回归与 Lasso 回归

7-3 Python 中的 Ridge 回归与 Lasso 回归

7-4 线性模型与神经网络

7-5 扩展内容

参考文献

作者简介