顶部
收藏

统计学——Python实现


作者:
贾俊平
定价:
40.00元
ISBN:
978-7-04-056626-0
版面字数:
460.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2021-12-10
读者对象:
高等教育
一级分类:
经济
二级分类:
经济学
三级分类:
经济统计学

本书是一本基于Python(3.9.1 版本)实现全部例题计算和分析的统计学教材,书中例题解答均给出了详细的实现代码和结果。全书共10 章,第1 章介绍数据、Python 的下载与安装、Python 的数据类型和基本操作、Python 绘图基础等。第2 章和第3 章介绍数据的描述性分析方法,包括数据可视化和描述统计量。第4—6章介绍数据的推断性分析,包括概率分布、参数估计和假设检验。第7—10 章介绍实际中常用的一些统计方法,包括类别变量分析、方差分析、回归分析等。

本书可作为高等院校各专业开设统计学课程的教材,也可作为数据分析工作者、Python 数据分析和可视化爱好者的参考书。

  • 前辅文
  • 第1章 数据与Python 语言
    • 1.1 数据与统计学
      • 1.1.1 什么是统计学
      • 1.1.2 变量和数据
      • 1.1.3 数据的来源
    • 1.2 Python 的初步使用
      • 1.2.1 Python 的下载与安装
      • 1.2.2 模块的安装与加载
      • 1.2.3 查看帮助文件
      • 1.2.4 编写代码脚本
    • 1.3 Python 的数据处理
      • 1.3.1 Python 的基本数据结构
      • 1.3.2 numpy 中的数组
      • 1.3.3 pandas 中的序列和数据框
      • 1.3.4 随机数和数据抽样
      • 1.3.5 数据读取和保存
      • 1.3.6 生成频数分布表
    • 1.4 Python 绘图基础
      • 1.4.1 Python 的主要绘图模块
      • 1.4.2 基本绘图函数
      • 1.4.3 图形布局
      • 1.4.4 图形颜色、线型和标记
    • 习题
  • 第2章 数据可视化
    • 2.1 类别数据可视化
      • 2.1.1 条形图
      • 2.1.2 饼图和环形图
    • 2.2 数据分布可视化
      • 2.2.1 直方图与核密度图
      • 2.2.2 箱线图和小提琴图
      • 2.2.3 点图
    • 2.3 变量间关系可视化
      • 2.3.1 散点图
      • 2.3.2 散点图矩阵
      • 2.3.3 气泡图和3D 散点图
    • 2.4 样本相似性可视化
      • 2.4.1 轮廓图
      • 2.4.2 雷达图
    • 2.5 时间序列可视化
      • 2.5.1 折线图
      • 2.5.2 面积图
    • 2.6 可视化的注意事项
    • 习题
  • 第3章 数据的描述统计量
    • 3.1 描述水平的统计量
      • 3.1.1 平均数
      • 3.1.2 分位数
      • 3.1.3 众数
    • 3.2 描述差异的统计量
      • 3.2.1 极差和四分位差
      • 3.2.2 方差和标准差
      • 3.2.3 变异系数
      • 3.2.4 标准分数
    • 3.3 描述分布形状的统计量
      • 3.3.1 偏度系数
      • 3.3.2 峰度系数
    • 3.4 一个综合描述的例子
    • 习题
  • 第4章 随机变量的概率分布
    • 4.1 什么是概率
    • 4.2 随机变量的概率分布
      • 4.2.1 随机变量及其概括性度量
      • 4.2.2 随机变量的概率分布
      • 4.2.3 其他几个重要的统计分布
    • 4.3 样本统计量的概率分布
      • 4.3.1 统计量及其分布
      • 4.3.2 样本均值的抽样分布
      • 4.3.3 样本方差的抽样分布
      • 4.3.4 样本比例的抽样分布
      • 4.3.5 统计量的标准误
    • 习题
  • 第5章 参数估计
    • 5.1 参数估计的原理
      • 5.1.1 点估计与区间估计
      • 5.1.2 评量估计量的标准
    • 5.2 总体均值的区间估计
      • 5.2.1 一个总体均值的估计
      • 5.2.2 两个总体均值差的估计
    • 5.3 总体比例的区间估计
      • 5.3.1 一个总体比例的估计
      • 5.3.2 两个总体比例差的估计
    • 5.4 总体方差的区间估计
      • 5.4.1 一个总体方差的估计
      • 5.4.2 两个总体方差比的估计
    • 习题
  • 第6章 假设检验
    • 6.1 假设检验的原理
      • 6.1.1 提出假设
      • 6.1.2 做出决策
      • 6.1.3 表述结果
      • 6.1.4 效应量分析
    • 6.2 总体均值的检验
      • 6.2.1 一个总体均值的检验
      • 6.2.2 两个总体均值差的检验
    • 6.3 总体比例的检验
      • 6.3.1 一个总体比例的检验
      • 6.3.2 两个总体比例差的检验
    • 6.4 总体方差的检验
      • 6.4.1 一个总体方差的检验
      • 6.4.2 两个总体方差比的检验
    • 6.5 正态性检验
      • 6.5.1 正态概率图
      • 6.5.2 S-W 检验和K-S 检验
    • 习题
  • 第7章 类别变量分析
    • 7.1 一个类别变量的拟合优度检验
      • 7.1.1 期望频数相等
      • 7.1.2 期望频数不等
    • 7.2 两个类别变量的独立性检验
      • 7.2.1 列联表与χ 2 独立性检验
      • 7.2.2 应用χ 2 检验的注意事项
    • 7.3 两个类别变量的相关性度量
      • 7.3.1 φ 系数和Cramer’s V 系数
      • 7.3.2 列联系数
    • 习题
  • 第8章 方差分析
    • 8.1 方差分析的原理
      • 8.1.1 什么是方差分析
      • 8.1.2 误差分解
    • 8.2 单因子方差分析
      • 8.2.1 数学模型
      • 8.2.2 效应检验
      • 8.2.3 效应量分析
      • 8.2.4 多重比较
    • 8.3 双因子方差分析
      • 8.3.1 数学模型
      • 8.3.2 主效应分析
      • 8.3.3 交互效应分析
    • 8.4 方差分析的假定及其检验
      • 8.4.1 正态性检验
      • 8.4.2 方差齐性检验
    • 习题
  • 第9章 一元线性回归
    • 9.1 确定变量间的关系
      • 9.1.1 变量间的关系
      • 9.1.2 相关关系的描述
      • 9.1.3 关系强度的度量
    • 9.2 模型估计和检验
      • 9.2.1 回归模型与回归方程
      • 9.2.2 参数的最小二乘估计
      • 9.2.3 模型的拟合优度
      • 9.2.4 模型的显著性检验
    • 9.3 利用回归方程进行预测
      • 9.3.1 均值的置信区间
      • 9.3.2 个别值的预测区间
    • 9.4 回归模型的诊断
      • 9.4.1 残差与残差图
      • 9.4.2 检验模型假定
    • 习题
  • 第10章 多元线性回归
    • 10.1 多元线性回归模型及其参数估计
      • 10.1.1 回归模型与回归方程
      • 10.1.2 参数的最小二乘估计
    • 10.2 拟合优度和显著性检验
      • 10.2.1 模型的拟合优度
      • 10.2.2 模型的显著性检验
      • 10.2.3 模型诊断
    • 10.3 多重共线性及其处理
      • 10.3.1 多重共线性及其识别
      • 10.3.2 变量选择与逐步回归
    • 10.4 相对重要性和模型比较
      • 10.4.1 自变量的相对重要性
      • 10.4.2 模型比较
    • 10.5 利用回归方程进行预测
    • 10.6 哑变量回归
      • 10.6.1 在模型中引入哑变量
      • 10.6.2 含有一个哑变量的回归
    • 习题
  • 参考书目

相关图书