Bewertung:
Das Buch bietet eine praktische Einführung in die Statistik mit Hilfe von Python und richtet sich insbesondere an Programmierer mit Vorkenntnissen in beiden Fächern. Es wird für seinen zugänglichen Schreibstil und seine effektiven Beispiele gelobt, obwohl es Kritik an der Verwendung von benutzerdefinierten Funktionen und dem mangelnden Fokus auf die Standard-Python-Bibliotheken gibt.
Vorteile:⬤ Eine großartige Einführung in die Statistik für diejenigen mit grundlegenden Programmierkenntnissen.
⬤ Gut geschrieben, ansprechend und prägnant.
⬤ Bietet praktische Beispiele mit Jupyter Notebook.
⬤ Gründliche Abdeckung von Statistik-Themen.
⬤ Nützlich für das Selbststudium und die Anwendung statistischer Werkzeuge.
⬤ Gut geeignet, um durch Übungen praktische Erfahrungen zu sammeln.
⬤ Starker Rückgriff auf den eigenen Code des Autors, der nicht standardmäßig oder allgemein anwendbar ist.
⬤ Einige Rezensenten fanden den Code schwer verständlich und nicht für den professionellen Einsatz geeignet.
⬤ Der Schwarz-Weiß-Druck der Diagramme wurde wegen mangelnder Klarheit kritisiert.
⬤ Für absolute Anfänger in der Programmierung oder Statistik ist das Buch vielleicht nicht ideal.
⬤ Einige fanden den Inhalt dicht und schwierig zu behalten.
(basierend auf 49 Leserbewertungen)
Think STATS: Exploratory Data Analysis
Wenn Sie programmieren können, sind Sie in der Lage, Daten mit den Werkzeugen der Wahrscheinlichkeitsrechnung und Statistik in Wissen umzuwandeln. Diese kompakte Einführung zeigt Ihnen, wie Sie statistische Analysen nicht mathematisch, sondern rechnerisch mit in Python geschriebenen Programmen durchführen können.
Durch die Arbeit mit einer einzigen Fallstudie in diesem gründlich überarbeiteten Buch lernen Sie den gesamten Prozess der explorativen Datenanalyse kennen - von der Datenerfassung und der Erstellung von Statistiken bis hin zur Identifizierung von Mustern und dem Testen von Hypothesen. Sie werden Verteilungen, Wahrscheinlichkeitsregeln, Visualisierung und viele andere Werkzeuge und Konzepte kennenlernen.
Neue Kapitel über Regression, Zeitreihenanalyse, Überlebensanalyse und Analysemethoden werden Ihre Entdeckungen bereichern.
⬤ Entwickeln Sie ein Verständnis für Wahrscheinlichkeit und Statistik, indem Sie Code schreiben und testen.
⬤ Führen Sie Experimente durch, um statistisches Verhalten zu testen, wie z. B. die Erzeugung von Stichproben aus verschiedenen Verteilungen.
⬤ Nutzen Sie Simulationen, um Konzepte zu verstehen, die mathematisch nur schwer zu fassen sind.
⬤ Daten aus den meisten Quellen mit Python importieren, anstatt sich auf Daten zu verlassen, die für Statistik-Tools bereinigt und formatiert wurden.
⬤ Nutzen Sie die statistische Inferenz, um Fragen zu realen Daten zu beantworten.
| ISBN: | 9781491907337 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2014 |
| Seitenzahl: | 226 |
Derzeit verfügbar, auf Lager.
