Ocena:
Książka jest nowoczesnym wprowadzeniem do wnioskowania statystycznego, kładącym nacisk na metody oparte na symulacji oraz wykorzystanie R i Tidyverse. Jest bardzo chwalona za przystępność, praktyczne podejście i praktyczne przykłady, ale spotyka się z krytyką za jakość druku i brak dogłębnych przykładów implementacji statystycznych.
Zalety:⬤ Przystępne i jasne wyjaśnienia pojęć statystycznych.
⬤ Dobre wprowadzenie do wnioskowania opartego na symulacji i Tidyverse.
⬤ Praktyczne podejście z praktycznymi przykładami.
⬤ Autorzy stworzyli narzędzia pomocnicze, takie jak pakiet „infer”.
⬤ Odpowiednia dla początkujących, czyniąc statystykę przystępną dla studentów.
⬤ Wysoka cena wersji drukowanej i jakość druku.
⬤ Zwodniczo trudne sekcje mogą zmylić niektórych czytelników.
⬤ Brak wystarczającej liczby przykładów i studiów przypadku do implementacji różnych testów statystycznych.
⬤ Niektórzy użytkownicy uważają, że może być zbyt podstawowa dla zaawansowanych uczniów lub profesjonalistów.
(na podstawie 9 opinii czytelników)
Statistical Inference via Data Science: A ModernDive into R and the Tidyverse
Statistical Inference via Data Science: A ModernDive into R and the Tidyverse zapewnia ścieżkę do poznania wnioskowania statystycznego przy użyciu narzędzi nauki o danych szeroko stosowanych w przemyśle, środowisku akademickim i rządowym. Wprowadza pakiet tidyverse pakietów R, w tym pakiet ggplot2 do wizualizacji danych i pakiet dplyr do przetwarzania danych. Po wyposażeniu czytelników w wystarczającą ilość tych narzędzi do nauki o danych, aby przeprowadzić skuteczne analizy danych eksploracyjnych, książka obejmuje tradycyjne tematy statystyki wprowadzającej, takie jak przedziały ufności, testowanie hipotez i modelowanie regresji wielokrotnej, koncentrując się jednocześnie na wizualizacji.
Cechy:
Zakłada minimalne wymagania wstępne, w szczególności brak wcześniejszego rachunku różniczkowego lub doświadczenia w kodowaniu.
Motywuje teorię przy użyciu rzeczywistych danych, w tym wszystkich lotów krajowych opuszczających Nowy Jork w 2013 r., projektu Gapminder i strony internetowej dziennikarstwa danych, FiveThirtyEight.com.
Koncentruje się na symulacyjnym podejściu do wnioskowania statystycznego, a nie na formułach matematycznych.
Wykorzystuje pakiet infer do "uporządkowanego" i przejrzystego wnioskowania statystycznego w celu konstruowania przedziałów ufności i przeprowadzania testów hipotez za pomocą metod bootstrap i permutacji.
Zapewnia cały kod i dane wyjściowe osadzone bezpośrednio w tekście; dostępne również w wersji online na moderndive.com.
Ta książka jest przeznaczona dla osób, które chciałyby jednocześnie zacząć rozwijać swój zestaw narzędzi do nauki o danych i rozpocząć naukę o narzędziach wnioskowania i modelowania stosowanych w wielu współczesnych badaniach. Książka może być wykorzystywana na kursach metod i nauki o danych oraz na pierwszych kursach statystyki, zarówno na poziomie licencjackim, jak i magisterskim.
