幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

對比Excel輕鬆學習Python統計分析/入職數據分析師系列

  • 作者：張俊紅|責編:張慧敏
  • 出版社：電子工業
  • ISBN：9787121447549
  • 出版日期：2023/01/01
  • 裝幀：平裝
  • 頁數：192
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    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、概率和概率分佈、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，讓大家學完本書以後既學到了理論知識，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。
作者介紹
張俊紅|責編:張慧敏
    張俊紅，某互聯網公司數據分析師，擅長Python、Sql、Excel，對數據分析、機器學習領域比較熟悉。喜歡分享，致力於做一個數據科學路上的終身學習者，實踐者，分享者。個人微信公眾號「張俊紅」定期推送數據分析、機器學習、網路爬蟲、Python 編程系列文章。
目錄
第1章  認識統計學
  1.1  統計學是什麼
  1.2  統計學和數據分析有什麼關係
  1.3  Python統計學和統計學有什麼區別
第2章  描述性分析
  2.1  描述性分析在數據分析中的應用
  2.2  數據類型
  2.3  數據整理與展示
    2.3.1  分類型數據整理與展示
    2.3.2  數值型數據整理與展示
  2.4  概括性分析
    2.4.1  集中趨勢指標
    2.4.2  離散程度指標
    2.4.3  分佈情況指標
  2.5  其他容易混淆的概念
    2.5.1  均值與期望
    2.5.2  比例和比率
    2.5.3  百分比和百分點
第3章  概率和概率分佈
  3.1  概率和概率分佈在數據分析中的應用場景
  3.2  常見概念
    3.2.1  什麼是隨機事件
    3.2.2  什麼是隨機變數
    3.2.3  什麼是概率
  3.3  離散型隨機變數概率分佈
    3.3.1  概率分佈表與概率分佈圖
    3.3.2  累積分佈函數與百分點函數
    3.3.3  期望與方差
    3.3.4  常見離散型概率分佈
  3.4  連續型隨機變數概率分佈
    3.4.1  概率密度與累積分佈
    3.4.2  期望與方差
    3.4.3  常見連續型概率分佈
第4章  抽樣推斷與參數估計
  4.1  抽樣推斷與參數估計在數據分析中的應用場景
  4.2  抽樣的基本概念
    4.2.1  總體和樣本
    4.2.2  常用統計量
  4.3  常用的抽樣方式
    4.3.1  簡單隨機抽樣
    4.3.2  分層抽樣
  4.4  為什麼樣本可以代表總體
    4.4.1  中心極限定理
    4.4.2  大數定理
  4.5  參數估計的基本方法
    4.5.1  點估計
    4.5.2  區間估計
  4.6  區間估計的類型
    4.6.1  一個總體參數的區間估計
    4.6.2  兩個總體參數的區間估計

第5章  假設檢驗
  5.1  假設檢驗在數據分析中的應用場景
  5.2  假設檢驗基本思想
  5.3  假設檢驗中常見的兩種錯誤
  5.4  顯著性水平和功效
  5.5  假設檢驗的基本步驟
  5.6  一個總體參數的檢驗
    5.6.1  總體均值的檢驗
    5.6.2  總體比例的檢驗
    5.6.3  總體方差的檢驗
  5.7  兩個總體參數的檢驗
    5.7.1  兩個總體均值之差的檢驗
    5.7.2  兩個總體比例之差的檢驗
    5.7.3  兩個總體方差比的檢驗
  5.8  假設檢驗中最小樣本量的確定
  5.9  A/B測試的完整流程
第6章  方差分析
  6.1  方差分析在數據分析中的應用場景
  6.2  方差分析的3個假設
  6.3  正態性檢驗方法
    6.3.1  直方圖檢驗
    6.3.2  Q-Q圖檢驗法
    6.3.3  KS檢驗
    6.3.4  AD檢驗
    6.3.5  W檢驗
    6.3.6  非正態數據轉換
  6.4  方差齊性檢驗方法
    6.4.1  方差比檢驗
    6.4.2  Hartley檢驗
    6.4.3  Bartlett檢驗
    6.4.4  Levene檢驗
  6.5  方差分析的基本步驟
  6.6  方差分析的多重比較
    6.6.1  LSD多重比較法
    6.6.2  Sidak多重比較法
    6.6.3  Bonferroni多重比較法
  6.7  多因素方差分析
    6.7.1  無交互作用的多因素方差分析
    6.7.2  有交互作用的多因素方差分析
第7章  卡方分析
  7.1  卡方分析在數據分析中的應用
  7.2  理論講解
  7.3  Excel與Python實現
第8章  回歸模型
  8.1  回歸模型在數據分析中的應用場景
  8.2  一元線性回歸
    8.2.1  多元回歸方程形式
    8.2.2  最小二乘參數估計法
    8.2.3  擬合程度判斷
    8.2.4  顯著性檢驗

    8.2.5  Excel與Python實現
  8.3  多元線性回歸
    8.3.1  回歸方程形式
    8.3.2  最小二乘參數估計
    8.3.3  擬合程度判斷
    8.3.4  顯著性檢驗
    8.3.5  多重共線性
    8.3.6  Excel與Python實現
  8.4  協方差分析
    8.4.1  理論講解
    8.4.2  Excel與Python實現
第9章  相關性分析
  9.1  相關性分析在數據分析中的應用場景
  9.2  相關係數的種類
    9.2.1  皮爾遜相關係數
    9.2.2  斯皮爾曼相關係數
    9.2.3  肯德爾相關係數
    9.2.4  Excel與Python實現
  9.3  相關與因果
第10章  時間序列
  10.1  時間序列在數據分析中的應用
  10.2  平穩時間序列預測
    10.2.1  簡單平均法
    10.2.2  移動平均法
    10.2.3  指數平滑法
  10.3  時間序列預測模型
    10.3.1  AR模型
    10.3.2  MA模型
    10.3.3  ARMA模型
    10.3.4  ARIMA模型
  10.4  時間序列分解預測
  10.5  趨勢時間序列預測
    10.5.1  線性趨勢預測
    10.5.2  指數趨勢預測
    10.5.3  對數趨勢預測

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032