Bewertung:
Derzeit gibt es keine Leserbewertungen. Die Bewertung basiert auf 3 Stimmen.
Modern Statistics: A Computer-Based Approach with Python
Dieses innovative Lehrbuch bietet Material für einen Kurs über moderne Statistik, der Python als pädagogische und praktische Ressource einbezieht. Auf der Grundlage ihrer langjährigen Lehr- und Forschungstätigkeit in verschiedenen angewandten und industriellen Bereichen haben die Autoren den Text sorgfältig zugeschnitten, um ein ideales Gleichgewicht zwischen Theorie und praktischen Anwendungen zu schaffen. Zahlreiche Beispiele und Fallstudien sind durchgängig integriert, und umfassende Python-Anwendungen werden detailliert dargestellt. Ein spezielles Python-Paket steht zum Download bereit, mit dem die Studenten diese Beispiele reproduzieren und weitere erforschen können.
Die ersten Kapitel des Textes konzentrieren sich auf die Analyse der Variabilität, Wahrscheinlichkeitsmodelle und Verteilungsfunktionen. Anschließend stellen die Autoren statistische Schlussfolgerungen und Bootstrapping sowie Variabilität in verschiedenen Dimensionen und Regressionsmodelle vor. Anschließend werden Stichproben zur Schätzung endlicher Grundgesamtheiten sowie Zeitreihenanalyse und -vorhersage behandelt, um mit zwei Kapiteln über moderne Datenanalysemethoden abzuschließen. Jedes Kapitel enthält Übungen, Datensätze und Anwendungen, um das Lernen zu ergänzen.
Moderne Statistik: A Computer-Based Approach with Python ist für einen ein- oder zweisemestrigen Fortgeschrittenenkurs für Studenten oder Absolventen gedacht. Aufgrund des grundlegenden Charakters des Textes kann er mit jedem Studiengang kombiniert werden, der Datenanalyse in seinem Lehrplan vorsieht, wie z. B. Kurse in Datenwissenschaft, Industriestatistik, Physik, Sozialwissenschaften und Ingenieurwesen. Auch für Forscher, Praktiker und Datenwissenschaftler ist es mit seinen zahlreichen Anwendungen und Fallstudien eine nützliche Ressource.
Ein zweites, eng verwandtes Lehrbuch trägt den Titel Industrial Statistics: A Computer-Based Approach with Python". Es behandelt Themen wie die statistische Prozesskontrolle, einschließlich multivariater Methoden, die Versuchsplanung, einschließlich Computerexperimenten, und Zuverlässigkeitsmethoden, einschließlich Bayes'scher Zuverlässigkeit. Diese Texte können unabhängig voneinander oder für aufeinander aufbauende Kurse verwendet werden.
Das Mistat-Python-Paket kann unter https: //gedeck. github. io/mistat-code-solutions/ModernStatistics/ abgerufen werden.
"In diesem Buch über moderne Statistik enthalten die letzten beiden Kapitel über moderne Analysemethoden das, was derzeit sehr beliebt ist, insbesondere im Bereich des maschinellen Lernens, wie Klassifizierer, Clustering-Methoden und Textanalyse. Ich schätze aber auch die vorangegangenen Kapitel, da ich der Meinung bin, dass Menschen, die Methoden des maschinellen Lernens verwenden, sich bewusst sein sollten, dass sie sich stark auf statistische Methoden stützen. Ich schätze die vielen ausgearbeiteten Fallbeispiele sehr, die auf der langjährigen Erfahrung der Autoren beruhen. Sie sind sehr nützlich, um die im Buch vorgestellten Methoden besser zu verstehen und dann auch anzuwenden. Die Verwendung von Python entspricht der besten Programmiererfahrung, die man heutzutage machen kann. Aus all diesen Gründen denke ich, dass das Buch eine glänzende und wirkungsvolle Zukunft hat, und ich empfehle es den Autoren".
Professor Fabrizio RuggeriForschungsdirektor beim Nationalen Forschungsrat, ItalienPräsident der International Society for Business and Industrial Statistics (ISBIS)Chefredakteur von Applied Stochastic Models in Business and Industry (ASMBI)
| ISBN: | 9783031075681 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
