资源详情

对比Excel，轻松学习Python统计分析

作者: 张俊红
出版社: 电子工业出版社
出版年: 2023-1
页数: 204
定价: 89
ISBN: 9787121447549

下载次数：5

本站推荐

下载地址

举报资源

书籍资料

内容简介
作者介绍
书籍目录

《对比Excel，轻松学习Python统计分析》是“对比Excel”的第4本书，全书依旧突出对比学习的特点，通过对比 Excel 的方式来讲解如何利用 Python 学习统计学知识，即统计分析。是“对比 Excel”之前3本书的延续，同时也是数据分析师技能树的扩展。
《对比Excel，轻松学习Python统计分析》的主线是围绕统计学的理论知识展开的，层层递进，依次为描述性分析、概率和概率分布、抽样推断与参数估计、假设检验、方差分析、卡方分析、回归模型、相关性分析、时间序列。每个理论知识又由核心的 3 个部分组成：该理论知识在数据分析中的应用、理论知识讲解、Excel 和 Python 工具的实现，让大家学完本书以后既学到了理论知识，也知道如何将理论知识在数据分析中应用，还知道如何用 Excel 和 Python 去实现。

张俊红：某互联网公司资深数据分析师，畅销书《对比Excel，轻松学习Python数据分析》作者。对比学习法倡导者，入职数据分析师系列丛书作者。喜欢分享，致力于做一个数据科学路上的终身学习者、实践者、分享者。公众号“俊红的数据分析之路”运营人。

第1章认识统计学/1
1.1统计学是什么.1
1.2统计学和数据分析有什么关系1
1.3Python统计学和统计学有什么区别.2
第2章描述性分析/3
2.1描述性分析在数据分析中的应用场景3
2.2数据类型.3
2.3数据整理与展示.3
2.3.1分类型数据的整理与展示.4
2.3.2数值型数据的整理与展示.7
2.4概括性分析.17
2.4.1集中趋势指标.18
2.4.2离散程度指标.23
2.4.3分布情况指标.25
2.5其他容易混淆的概念28
2.5.1平均值与期望.28
2.5.2比例和比率.30
2.5.3百分比和百分点.31
第3章概率和概率分布/33
3.1概率和概率分布在数据分析中的应用场景33
3.2常见概念.33
3.2.1什么是随机事件.33
3.2.2什么是随机变量.34
3.2.3什么是概率.34
3.3离散型

机变量概率分布36
3.3.1概率分布表与概率分布图.36
3.3.2累积分布函数与百分点函数.37
3.3.3期望与方差.37
3.3.4常见离散型概率分布.38
3.4连续型随机变量概率分布46
3.4.1概率密度与累积分布.46
3.4.2期望与方差.50
3.4.3常见连续型概率分布.50
第4章抽样推断与参数估计/65
4.1抽样推断与参数估计在数据分析中的应用场景65
4.2抽样的基本概念.65
4.2.1总体和样本.65
4.2.2常用统计量.66
4.3常用的抽样方式.66
4.3.1简单随机抽样.67
4.3.2分层抽样.67
4.4为什么样本可以代表总体68
4.4.1中心极限定理.68
4.4.2大数定理.70
4.5参数估计的基本方法71
4.5.1点估计.71
4.5.2区间估计.72
4.6区间估计的类型.72
4.6.1一个总体参数的区间估计.72
4.6.2两个总体参数的区间估计.80
第5章假设检验/88
5.1假设检验在数据分析中的应用场景88
5.2假设检验基本思想88
5.3假设检验中常见的两种错误90
5.4显著性水平和功效90
5.5假设检验的基本步骤91
5.6一个总体参数的检验94
5.6.1总体均值的检验.94
5.6.2总体比例的检验.98
5.6.3总体方差的检验.99
5.7两个总体参数的检验101
5.7.1两个总体均值之差的检验.101
5.7.2两个总体比例之差的检验.106
5.7.3两个总体方差比的检验.107
5.8假设检验中最小样本量的确定109
5.9A/B测试的完整流程.111
第6章方差分析/113
6.1方差分析在数据分析中的应用场景.113
6.2方差分析的3个假设.113
6.3正态性检验方法113
6.3.1直方图检验113
6.3.2Q-Q图检验114
6.3.3KS检验114
6.3.4AD检验.115
6.3.5W检验.116
6.3.6非正态数据转换116
6.4方差齐性检验方法.118
6.4.1方差比检验118
6.4.2Hartley检验.118
6.4.3Bartlett检验.119
6.4.4Levene检验.119
6.5方差分析的基本步骤120
6.6方差分析的多重比较125
6.6.1LSD多重比较法.125
6.6.2Sidak多重比较法.127
6.6.3Bonferroni多重比较法.128
6.7多因素方差分析.129
6.7.1无交互作用的多因素方差分析.129
6.7.2有交互作用的多因素方差分析.134
第7章卡方分析/140
7.1卡方分析在数据分析中的应用场景140
7.2理论讲解.140
7.3Excel与Python实现142
第8章回归模型/144
8.1回归模型在数据分析中的应用场景144
8.2一元线性回归.144
8.2.1一元线性回归方程形式.144
8.2.2最小二乘参数估计法.145
8.2.3拟合程度判断.147
8.2.4显著性检验.147
8.2.5Excel与Python实现149
8.3多元线性回归.151
8.3.1多元线性回归方程形式.151
8.3.2最小二乘参数估计法.151
8.3.3拟合程度判断.151
8.3.4显著性检验.152
8.3.5多重共线性.153
8.3.6Excel与Python实现153
8.4协方差分析.155
8.4.1理论讲解.155
8.4.2Excel与Python实现157
第9章相关性分析/159
9.1相关性分析在数据分析中的应用场景159
9.2相关系数的种类.159
9.2.1皮尔逊相关系数.159
9.2.2斯皮尔曼相关系数.162
9.2.3肯德尔相关系数.162
9.2.4Excel与Python实现163
9.3相关与因果.164
第10章时间序列/165
10.1时间序列在数据分析中的应用场景165
10.2平稳时间序列预测.165
10.2.1简单平均法.166
10.2.2移动平均法.167
10.2.3指数平滑法.169
10.3时间序列预测模型.172
10.3.1AR模型172
10.3.2MA模型174
10.3.3ARMA模型175
10.3.4ARIMA模型.176
10.4时间序列分解预测.177
10.5趋势时间序列预测.187
10.5.1线性趋势预测.187
10.5.2指数趋势预测.189
10.5.3对数趋势预测.191