Думай как аналитик, Статистика и данные с примерами на Python, Дауни А., 2026

Думай как аналитик, Статистика и данные с примерами на Python, Дауни А., 2026.
 
   Умение писать код — это все, что нужно, чтобы извлекать из данных ценные выводы и находить ответы на сложные вопросы. В этом полностью переработанном издании статистические концепции представлены не в виде громоздких математических формул, а как стройный вычислительный процесс на языке Python. На практических примерах с использованием реальных датасетов изучите весь цикл разведочного анализа данных — от первичной обработки данных и подсчета статистик до выявления закономерностей и проверки гипотез.
Являетесь ли вы специалистом data science, инженером-разработчиком или просто интересуетесь данными, вы быстро освоите такие популярные инструменты, как NumPy, SciPy и Pandas. Познакомьтесь с функциями распределения, статистическими зависимостями между переменными, методами визуализации и многими другими концепциями. Кроме того, все главы книги доступны в виде Jupyter-блокнотов, позволяющих читать текст, запускать код и выполнять упражнения, не переключаясь между инструментами.




Распределения датасета NSFG.
Когда вы приступаете к работе с новым датасетом, я советую исследовать переменные, которые вы планируете использовать по одной за раз; и хорошая практика — начать с просмотра таблиц частот.

В качестве примера рассмотрим данные из датасета NSFG. В предыдущей главе мы загрузили его, считали в объект Pandas Data Frame и очистили некоторые переменные. Код, который мы использовали для загрузки и очистки данных, находится в модуле под названием nsfg.py. Инструкции по его установке приведены в Jnpyter-блокноте к этой главе.

ОГЛАВЛЕНИЕ.
От издательства.
О научном редакторе русского издания.
Предисловие.
Новое в этом издании.
Использование исходного кода примеров.
Условные обозначения.
Благодарности.
Глава 1. Разведочный анализ данных.
Данные.
Национальное исследование роста семьи США.
Считывание данных.
Проверка данных.
Преобразование данных.
Сводные статистические показатели.
Интерпретация данных.
Глоссарий.
Упражнения.
Глава 2. Распределение данных.
Таблицы частот.
Распределения датасета NSFG.
Выбросы.
Первые дети.
Размер эффекта.
Представление результатов.
Глоссарий.
Упражнения.
Глава 3. Функция вероятности.
Функция вероятности.
Сводные характеристики функции вероятности.
Парадокс размера группы.
Данные NSFG.
Дополнительная визуализация.
Глоссарий.
Упражнения.
Глава 4. Интегральная функция распределения.
Процентиль и процентильный ранг.
Интегральная функция распределения.
Сравнение ИФР.
Процентильная статистика.
Случайные числа.
Глоссарий.
Упражнения.
Глава 5. Моделирование распределений.
Биномиальное распределение.
Распределение Пуассона.
Экспоненциальное распределение.
Нормальное распределение.
Логнормальное распределение.
Зачем нужны модели.
Глоссарий.
Упражнения.
Глава 6. Функция плотности вероятности.
Сравнение распределений.
Плотность вероятности.
Экспоненциальная функция плотности вероятности.
Сравнение функции вероятности и функции плотности вероятности.
Ядерная оценка плотности.
Схема взаимосвязи распределений.
Глоссарий.
Упражнения.
Глава 7. Связь между переменными.
Диаграмма рассеяния.
Децильная диаграмма.
Корреляция.
Сила корреляционной связи.
Ранговая корреляция.
Корреляция и причинно-следственная связь.
Глоссарий.
Упражнения.
Глава 8. Оценка.
Вес пингвинов.
Робастность.
Оценка дисперсии.
Выборочное распределение.
Стандартная ошибка.
Доверительный интервал.
Источники ошибок.
Глоссарий.
Упражнения.
Глава 9. Проверка гипотез.
Эксперимент с монетой.
Проверка разницы средних.
Прочие статистики критерия.
Проверка значимости корреляции.
Проверка пропорций.
Глоссарий.
Упражнения.
Глава 10. Метод наименьших квадратов.
Линейная регрессия методом наименьших квадратов.
Коэффициент детерминации.
Минимизация MSE.
Оценка.
Визуализация неопределенности.
Преобразование переменных.
Глоссарий.
Упражнения.
Глава 11. Множественная регрессия.
Модуль StatsModels.
Знакомство с множественной регрессией.
Контрольная переменная.
Нелинейная зависимость.
Логистическая регрессия.
Глоссарий.
Упражнения.
Глава 12. Анализ временных рядов.
Данные об электрогенерации.
Декомпозиция.
Предсказание данных.
Мультипликативная модель.
Авторегрессия.
Скользящее среднее.
Ретроспективная оценка с авторегрессией.
ARIMA.
Предсказание с помощью ARIMA.
Глоссарий.
Упражнения.
Глава 13. Анализ выживаемости.
Функция выживания.
Функция риска.
Данные о браке.
Взвешенный бутстрепинг.
Оценка функции риска.
Оценка функции выживания.
Библиотека Lifelines.
Доверительный интервал.
Ожидаемое остаточное время жизни.
Глоссарий.
Упражнения.
Глава 14. Аналитические методы.
График нормальной вероятности.
Нормальное распределение.
Распределение выборочных средних.
Распределение разностей.
Центральная предельная теорема.
Ограничения центральной предельной теоремы.
Применение центральной предельной теоремы.
Критерий корреляции.
Критерий хи-квадрат.
Вычислительные и аналитические методы.
Глоссарий.
Упражнения.
Об авторе.
Иллюстрация на обложке.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Думай как аналитик, Статистика и данные с примерами на Python, Дауни А., 2026 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать файл № 1 - pdf
Скачать файл № 2 - epub
Ниже можно купить эту книгу, если она есть в продаже, и похожие книги по лучшей цене со скидкой с доставкой по всей России.Купить книги


Скачать - epub - Яндекс.Диск.

Скачать - pdf - Яндекс.Диск.




Теги: учебник по программированию :: программирование :: Дауни :: датасет :: данные