Think Stats

اگر برنامه نویسی را بلد هستید، مهارت تبدیل داده ها به دانش را با استفاده از ابزارهای احتمال و آمار دارید. این مقدمه مختصر به شما نشان می دهد که چگونه با برنامه های نوشته شده در پایتون، به جای ریاضی، تجزیه و تحلیل آماری را به صورت محاسباتی انجام دهید.

با کار با یک مطالعه موردی در سراسر این کتاب کاملاً اصلاح شده، کل فرآیند را یاد خواهید گرفت. تجزیه و تحلیل داده های اکتشافی - از جمع آوری داده ها و تولید آمار گرفته تا شناسایی الگوها و آزمون فرضیه ها. شما توزیع ها، قوانین احتمال، تجسم و بسیاری از ابزارها و مفاهیم دیگر را کاوش خواهید کرد.

فصل های جدید در مورد رگرسیون، تجزیه و تحلیل سری های زمانی، تجزیه و تحلیل بقا، و روش های تحلیلی، اکتشافات شما را غنی می کند.

• با نوشتن و آزمایش کد، درک احتمالات و آمار را ایجاد کنید
• آزمایش هایی را برای آزمایش رفتار آماری، مانند تولید نمونه از چندین توزیع انجام دهید
• از شبیه سازی برای درک استفاده کنید. مفاهیمی که درک آنها از نظر ریاضی دشوار است
• به جای تکیه بر داده هایی که برای ابزارهای آماری پاک و فرمت شده اند، داده ها را از اکثر منابع وارد کنید.
• از استنتاج آماری برای پاسخ به سؤالات واقعی استفاده کنید. داده های جهان

If you know how to program, you have the skills to turn data into knowledge, using tools of probability and statistics. This concise introduction shows you how to perform statistical analysis computationally, rather than mathematically, with programs written in Python.

By working with a single case study throughout this thoroughly revised book, you’ll learn the entire process of exploratory data analysis—from collecting data and generating statistics to identifying patterns and testing hypotheses. You’ll explore distributions, rules of probability, visualization, and many other tools and concepts.

New chapters on regression, time series analysis, survival analysis, and analytic methods will enrich your discoveries.

• Develop an understanding of probability and statistics by writing and testing code
• Run experiments to test statistical behavior, such as generating samples from several distributions
• Use simulations to understand concepts that are hard to grasp mathematically
• Import data from most sources with Python, rather than rely on data that’s cleaned and formatted for statistics tools
• Use statistical inference to answer questions about real-world data