Mysli STATS: Průzkumná analýza dat

Recenze čtenářů

Kniha nabízí praktický úvod do statistiky prostřednictvím jazyka Python a je vhodná zejména pro programátory s určitými znalostmi obou předmětů. Je dobře hodnocena pro svůj přístupný styl psaní a efektivní příklady, i když se objevují výtky týkající se používání vlastních funkcí a nedostatečného zaměření na standardní knihovny jazyka Python.

⬤ Skvělý úvod do statistiky pro ty, kteří mají základní programátorské dovednosti.
⬤ Dobře napsané, poutavé a stručné.
⬤ Nabízí praktické příklady s využitím Jupyter Notebook.
⬤ Důkladné pokrytí statistických témat.
⬤ Užitečné pro samostudium a použití statistických nástrojů.
⬤ Vhodné pro získání praktických zkušeností prostřednictvím cvičení.

⬤ Velká závislost na vlastním kódu autora, který není standardní ani široce použitelný.
⬤ Někteří recenzenti považovali kód za obtížně srozumitelný a nevhodný pro profesionální použití.
⬤ Černobílý tisk grafů kritizován pro nedostatečnou přehlednost.
⬤ Nemusí být ideální pro úplné začátečníky v programování nebo statistice.
⬤ Někteří považovali obsah za hutný a náročný na zapamatování.

(na základě 49 hodnocení čtenářů)

Původní název:

Think STATS: Exploratory Data Analysis

Obsah knihy:

Pokud umíte programovat, máte dovednosti, které vám umožní přeměnit data na znalosti pomocí nástrojů pravděpodobnosti a statistiky. Tento stručný úvod vám ukáže, jak provádět statistickou analýzu spíše výpočetně než matematicky pomocí programů napsaných v jazyce Python.

Díky práci s jednou případovou studií v celé této důkladně přepracované knize se naučíte celý proces průzkumné analýzy dat - od sběru dat a generování statistik až po identifikaci vzorců a testování hypotéz. Prozkoumáte rozdělení, pravidla pravděpodobnosti, vizualizaci a mnoho dalších nástrojů a konceptů.

Nové kapitoly o regresi, analýze časových řad, analýze přežití a analytických metodách obohatí vaše objevy.

⬤ Rozvíjejte porozumění pravděpodobnosti a statistice psaním a testováním kódu.

⬤ Spouštějte experimenty k testování statistického chování, například generování vzorků z několika rozdělení.

⬤ Používejte simulace k pochopení pojmů, které jsou matematicky obtížně uchopitelné.

⬤ Importovat data z většiny zdrojů pomocí jazyka Python a nespoléhat se na data vyčištěná a formátovaná pro statistické nástroje.

⬤ Používejte statistické odvozování k zodpovězení otázek týkajících se reálných dat.