Leserbewertungen
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 2 Stimmen.
Originaltitel:
Data Science in Layman's Terms: Statistics
Inhalt des Buches:
Es gibt zahllose Blogs, Kurse und Tutorials, die statistische Konzepte erklären, aber nur ein Buch kann einen vollständigen Fahrplan zum Verständnis der Statistik bieten. Lehrbücher konzentrieren sich jedoch eher auf die Theorie und mathematische Beweise als auf praktische oder angewandte Statistik. Data Science in Layman's Terms: Statistics schafft den Spagat zwischen einem leicht zu lesenden Tutorial und einem theorielastigen Lehrbuch. Es bietet einen vollständigen Fahrplan für das Verständnis der Statistik. Die Konzepte in diesem Buch werden zunächst in einfachem Englisch erklärt und dann durch visuelle Darstellungen und Gleichungen unterstützt. Das Material ist linear angeordnet, von den einfachen Ideen in den ersten Kapiteln bis hin zu den komplexen Ideen in den späteren Kapiteln. Jedes Kapitel baut auf den Informationen aus den vorangegangenen Kapiteln auf. Jedes Kapitel enthält Code, der zeigt, wie die Konzepte sowohl in R als auch in Python umgesetzt werden können.
Das Buch beginnt mit der Erläuterung grundlegender statistischer Konzepte und der deskriptiven Statistik. Anschließend werden die lineare und die logistische Regression erklärt, und es wird erläutert, wie die Optimierung eine zentrale Rolle in der Statistik spielt. Anschließend werden statistische Tests zum Vergleich von Gruppenmitteln, wie ANOVA und MANOVA, erläutert. Es werden sowohl parametrische als auch nicht-parametrische Tests beschrieben. Konzepte zur Erweiterung der Flexibilität der statistischen Analyse, wie Regularisierung, Resampling, Dimensionsreduktion und nichtlineare Modellierung, werden ebenfalls erläutert. Im weiteren Verlauf des Buches wird der Bayes'sche Ansatz in der Statistik beschrieben. Die letzten Kapitel behandeln die Analyse von Zeitreihen und Signalen. Alle diese Konzepte werden am Ende eines jeden Kapitels in R und Python angewandt.
In diesem Buch werden Sie.
- lernen Sie, wie Sie statistische Modelle zur Vorhersage von kontinuierlichen, ordinalen und kategorialen Variablen erstellen können.
- Zeitreihenmodellierung zur Vorhersage von Aktienkursen und Volatilität verwenden.
- Fitbit-Daten verwenden, um den Kalorienverbrauch zu modellieren und herauszufinden, wie viele Schritte nötig sind, um 1 Kalorie zu verbrennen.
- Erstellen Sie einen Generator für gefälschte Texte oder Tweets, der einen Text erzeugt, der der normalen Sprache nahe genug kommt, um glaubwürdig zu wirken.
- Ausreißer erkennen, potenziell betrügerische Daten identifizieren und Änderungspunkte in Zeitreihendaten erkennen.
- Erfahren Sie, wie Sie Gravitationswellen in Signaldaten des Laser Interferometer Gravitational-Wave Observatory entdecken können.
Das GitHub-Repository zu diesem Buch finden Sie unter: https: //github.com/nlinc1905/dsilt-stats-code.
Weitere Daten des Buches:
| ISBN: | 9780692150757 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
Kauf:
Derzeit verfügbar, auf Lager.
