这本创新的教科书为现代统计学课程提供了材料,将Python作为教学和实践资源。根据多年的教学和在各种应用和工业背景下进行的研究,作者精心定制了文本,以提供理论和实际应用的理想平衡。全文包含了大量的示例和案例研究,并详细说明了全面的Python应用程序。可以下载一个定制的Python包,学生可以复制这些示例并探索其他示例。

https://link.springer.com/book/10.1007/978-3-031-07566-7

文本的第一章着重于分析可变性,概率模型和分布函数。接下来,作者介绍了统计推理和自举,以及几个维度的可变性和回归模型。然后,文本继续覆盖有限人口数量估计的抽样和时间序列分析和预测,以两章现代数据分析方法结束。每一章包括练习、数据集和应用程序来补充学习。

**《现代统计学:使用Python的计算机方法》**适用于一到两个学期的高级本科或研究生课程。由于文本的基础性质,它可以与任何课程中需要数据分析的课程结合,如数据科学、工业统计、物理和社会科学以及工程课程。研究人员、实践者和数据科学家也会发现它是一个有用的资源,包含了大量的应用程序和案例研究。

另一本与此密切相关的教科书是《工业统计:使用Python的计算机方法》。它涵盖了统计过程控制(包括多元方法)、实验设计(包括计算机实验)和可靠性方法(包括贝叶斯可靠性)等主题。这些教材可以单独使用,也可以用于连续的课程。

mistat Python包可以在https://gedeck.github.io/mistat-code-solutions/ModernStatistics/上访问。

在这本关于现代统计的书中,关于现代分析方法的最后两章包含了目前非常流行的方法,特别是在机器学习中,如分类器、聚类方法和文本分析。但我也很欣赏前面的章节,因为我相信使用机器学习方法的人应该意识到它们严重依赖于统计方法。我非常欣赏基于作者长期经验而得出的许多案例。它们对于更好地理解并应用书中介绍的方法非常有用。Python的使用符合当今最好的编程体验。基于所有这些原因,我认为这本书也会有一个辉煌而有影响力的未来,我对作者们表示赞赏。”

成为VIP会员查看完整内容
118

相关内容

统计学(Statistics)是研究收集、分析、解读、展示及组织(collection, analysis, interpretation, presentation and organization)数据的学科,通过量化地研究随机性,从而理解数据的产生机制,并进行判别、预测、优化、决策。统计学理论和方法是很多现代科学分支的支柱,其广泛的应用深刻地影响现代生活,具有代表性的应用领域包括: 生物/医学(生物统计学,基因统计学,生物信息学,制药学等)
社会学/环境学(社会统计学,心理学,人口学,空间统计学,环境统计学等)
工业工程学(质量控制,可靠性分析等)
经济学/金融学(精算学,金融统计学等)
工程学/计算机科学(统计学习,数据挖掘,信号/图像采样/处理等)
基础科学(统计物理学,统计化学等)
【2022新书】应用Python进行时间序列分析与预测,377页pdf
专知会员服务
136+阅读 · 2022年11月3日
【干货书】数据科学家统计学基础:R和Python实战,486页pdf
专知会员服务
75+阅读 · 2021年10月12日
专知会员服务
141+阅读 · 2021年9月16日
专知会员服务
121+阅读 · 2021年6月18日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
算法与数据结构Python,369页pdf
专知会员服务
160+阅读 · 2020年3月4日
【干货书】因果推理基础:R语言,249页pdf
专知
2+阅读 · 2022年10月22日
【干货书】优化算法,232页pdf
专知
20+阅读 · 2022年9月8日
【干货书】计算机科学离散数学,627页pdf
专知
53+阅读 · 2020年8月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年11月3日
Arxiv
40+阅读 · 2022年9月19日
已删除
Arxiv
31+阅读 · 2020年3月23日
Knowledge Representation Learning: A Quantitative Review
Arxiv
21+阅读 · 2018年8月30日
Arxiv
14+阅读 · 2018年5月15日
VIP会员
相关VIP内容
【2022新书】应用Python进行时间序列分析与预测,377页pdf
专知会员服务
136+阅读 · 2022年11月3日
【干货书】数据科学家统计学基础:R和Python实战,486页pdf
专知会员服务
75+阅读 · 2021年10月12日
专知会员服务
141+阅读 · 2021年9月16日
专知会员服务
121+阅读 · 2021年6月18日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
算法与数据结构Python,369页pdf
专知会员服务
160+阅读 · 2020年3月4日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Arxiv
0+阅读 · 2022年11月3日
Arxiv
40+阅读 · 2022年9月19日
已删除
Arxiv
31+阅读 · 2020年3月23日
Knowledge Representation Learning: A Quantitative Review
Arxiv
21+阅读 · 2018年8月30日
Arxiv
14+阅读 · 2018年5月15日
微信扫码咨询专知VIP会员