Știința datelor în termeni simpli: Statistică

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Data Science in Layman's Terms: Statistics

Conținutul cărții:

Există nenumărate bloguri, cursuri și tutoriale care explică concepte statistice, dar numai o carte poate oferi o foaie de parcurs completă pentru înțelegerea statisticii. Cu toate acestea, manualele tind să se concentreze asupra teoriei și a demonstrațiilor matematice, mai degrabă decât asupra statisticii practice sau aplicate. Data Science in Layman's Terms: Statistics asigură un echilibru între un tutorial ușor de citit și un manual cu teorie intensivă. Ea oferă o foaie de parcurs completă pentru înțelegerea statisticii. Conceptele din această carte sunt mai întâi explicate într-un limbaj simplu, iar apoi sunt susținute de imagini și ecuații. Materialul este aranjat liniar de la ideile simple prezentate în primele capitole la ideile complexe prezentate în capitolele ulterioare. Fiecare capitol se bazează pe informațiile din capitolele anterioare. Fiecare capitol conține cod care arată modul de implementare a conceptelor, atât în R, cât și în Python.

Cartea începe prin explicarea conceptelor statistice de bază și a statisticii descriptive. Se explică apoi regresia liniară și logistică și modul în care optimizarea joacă un rol central în statistică. Cartea explică apoi testele statistice pentru compararea mediilor grupurilor, cum ar fi ANOVA și MANOVA. Sunt descrise atât testele parametrice, cât și cele neparametrice. Sunt explicate, de asemenea, concepte de extindere a flexibilității analizei statistice, precum regularizarea, reeșantionarea, reducerea dimensiunilor și modelarea neliniară. Mai târziu în carte, este descrisă abordarea bayesiană a statisticii. Ultimele capitole acoperă analiza seriilor de timp și a semnalelor. Toate aceste concepte sunt aplicate în R și Python la sfârșitul fiecărui capitol.

În această carte, veți.

- Învățați cum să construiți modele statistice pentru a prezice variabile continue, ordinale și categoriale.

- Utilizați modelarea seriilor temporale pentru a prognoza prețurile acțiunilor și volatilitatea.

- Utilizați datele Fitbit pentru a modela caloriile arse și aflați de câți pași este nevoie pentru a arde o calorie.

- Crearea unui generator de text fals sau de Tweet care să producă text suficient de apropiat de vorbirea normală pentru a părea credibil.

- Detectarea valorilor aberante, identificarea datelor potențial frauduloase și detectarea punctelor de schimbare în seriile de date temporale.

- Aflați cum să descoperiți undele gravitaționale în datele de semnal de la Observatorul de unde gravitaționale cu interferometru laser.

Depozitul GitHub care însoțește această carte poate fi găsit la: https: //github.com/nlinc1905/dsilt-stats-code.