Think STATS: Eksploracyjna analiza danych

Opinie czytelników

Książka oferuje praktyczne wprowadzenie do statystyki za pomocą Pythona, przemawiając szczególnie do programistów z pewnym doświadczeniem w obu tematach. Jest dobrze przyjęta ze względu na przystępny styl pisania i skuteczne przykłady, chociaż pojawiają się krytyczne uwagi dotyczące korzystania z niestandardowych funkcji i braku skupienia się na standardowych bibliotekach Pythona.

⬤ Świetne wprowadzenie do statystyki dla osób z podstawowymi umiejętnościami programowania.
⬤ Dobrze napisana, wciągająca i zwięzła.
⬤ Oferuje praktyczne przykłady z wykorzystaniem Jupyter Notebook.
⬤ Dokładne omówienie tematów związanych ze statystyką.
⬤ Przydatna do samodzielnej nauki i stosowania narzędzi statystycznych.
⬤ Dobra do zdobywania praktycznego doświadczenia poprzez ćwiczenia.

⬤ W dużej mierze opiera się na niestandardowym kodzie autora, który nie jest standardowy ani powszechnie stosowany.
⬤ Niektórzy recenzenci uznali kod za trudny do zrozumienia i nieodpowiedni do profesjonalnego użytku.
⬤ Czarno-biały druk wykresów krytykowany za brak przejrzystości.
⬤ Może nie być idealna dla zupełnie początkujących w programowaniu lub statystyce.
⬤ Niektórzy uznali, że treść jest gęsta i trudna do zapamiętania.

(na podstawie 49 opinii czytelników)

Oryginalny tytuł:

Think STATS: Exploratory Data Analysis

Zawartość książki:

Jeśli wiesz, jak programować, masz umiejętności przekształcania danych w wiedzę, korzystając z narzędzi prawdopodobieństwa i statystyki. To zwięzłe wprowadzenie pokazuje, jak przeprowadzić analizę statystyczną obliczeniowo, a nie matematycznie, za pomocą programów napisanych w Pythonie.

Pracując z pojedynczym studium przypadku w całej tej gruntownie zmienionej książce, nauczysz się całego procesu eksploracyjnej analizy danych - od zbierania danych i generowania statystyk po identyfikowanie wzorców i testowanie hipotez. Poznasz rozkłady, zasady prawdopodobieństwa, wizualizację i wiele innych narzędzi i koncepcji.

Nowe rozdziały poświęcone regresji, analizie szeregów czasowych, analizie przeżycia i metodom analitycznym wzbogacą twoje odkrycia.

⬤ Rozwijaj zrozumienie prawdopodobieństwa i statystyki poprzez pisanie i testowanie kodu.

⬤ Uruchamiaj eksperymenty w celu testowania zachowań statystycznych, takich jak generowanie próbek z kilku rozkładów.

⬤ Korzystaj z symulacji, aby zrozumieć koncepcje, które są trudne do uchwycenia matematycznie.

⬤ Importować dane z większości źródeł za pomocą Pythona, zamiast polegać na danych oczyszczonych i sformatowanych dla narzędzi statystycznych.

⬤ Wykorzystanie wnioskowania statystycznego do odpowiedzi na pytania dotyczące rzeczywistych danych.