Python 統計分析：生命科學應用 (An Introduction to Statistics with Python: With Applications in the Life Sciences)
Thomas Haslwanter 著 李銳 譯
- 出版商: 博碩文化
- 出版日期: 2022-12-09
- 定價: $500
- 售價: 7.8 折 $390
- 語言: 繁體中文
- 頁數: 336
- 裝訂: 平裝
- ISBN: 6263332948
- ISBN-13: 9786263332942
-
相關分類:
Python、程式語言、機率統計學 Probability-and-statistics
- 此書翻譯自: An Introduction to Statistics with Python: With Applications in the Life Sciences (Hardcover)
-
相關翻譯:
Python 統計分析 (An Introduction to Statistics with Python: With Applications in the Life Sciences) (簡中版)
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
嵌入式 Linux 與物聯網軟件開發 : C語言內核深度解析$354$336 -
實戰機器學習｜以深度學習演算企業資料$450$383 -
深度學習｜生命科學應用 (Deep Learning for the Life Sciences)$580$458 -
精通嵌入式 Linux 程式設計 (暢銷回饋版)$620$484 -
Python 機器學習 (上), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$620$484 -
Python 機器學習 (下), 3/e (Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 3/e)$520$406 -
打好 AI 的基礎：一探機器學習底層數學運作$880$748 -
區塊鏈生存指南：帶你用 Python 寫出區塊鏈！【第二版】（iT邦幫忙鐵人賽系列書）$600$468 -
會動的演算法：61 個演算法動畫＋全圖解逐步拆解，人工智慧、資料分析必備$620$490 -
Python 大數據特訓班：資料自動化收集、整理、清洗、儲存、分析與應用實戰, 3/e (附320分鐘影音/範例程式)$520$411 -
$1,019計算機體系結構：量化研究方法, 6/e -
$454基於 TensorFlow 的圖像生成 -
看完這本就會懂！帶你無痛提升 JavaScript 面試力：精選 55道前端工程師的核心問題 × 求職加分模擬試題解析$680$530 -
圖說演算法：使用 Python, 2/e【暢銷回饋版】$500$390 -
量子技術：驅動計算、人工智慧、通訊、測量的未來革命$450$351 -
科學方法賺大錢 - Python 進行商品期貨量化交易$720$569 -
不靠框架硬功夫 - Scikit-learn 手刻機器學習每行程式碼$780$663 -
大話設計模式：JAVA 風雲再起彩色加強版$880$695 -
30分鐘就讀懂：機器學習從數學開始, 2/e$590$502 -
凡人也能懂的白話人工智慧演算法 (Grokking Artificial Intelligence Algorithms)$580$458 -
SQL 學習手冊｜資料建立、維護與檢索, 3/e (Learning SQL: Generate, Manipulate, and Retrieve Data, 3/e)$620$490 -
一本精通 - LINE BOT + Python + Google Dialogflow 完整掌握 LINE BOT 的開發技巧 打造全方位 AI機器人$650$514 -
Python 資料結構×演算法 刷題鍛鍊班：234 題帶你突破 Coding 面試的難關$650$513 -
Excel 儀表板與圖表設計 + Power BI 資料處理 (Excel 2019、2021適用)$630$498 -
TinyML 經典範例集$520$411
相關主題
商品描述
- 本書以基礎的統計學知識和假設檢定為重點，簡單扼要闡述了 Python 在資料分析、視覺化和統計建模中的應用。本書主要包含了 Python 簡介、研究設計、資料管理、機率分布、不同資料類型的假設檢定、廣義線性模型、存活分析和貝氏統計等從入門到高階的內容。
本書利用 Python 這門開源語言，不僅直觀上對資料分析和統計檢定提供了很好的解說，在相關數學公式的解釋上也能夠做到深入淺出。此外，本書所述內容的可操作性很強，還提供配套的相關程式碼及資料，方便讀者動手練習。本書適合對統計學與 Python 有興趣的讀者，特別是在實驗學科中需要利用 Python 的強大功能進行資料處理和統計分析的學生及研究人員。
本書範例檔：
https://github.com/thomas-haslwanter/statsintro_python
作者簡介
- Thomas Haslwanter
在學術機構中有超過 10 年的教學經驗，是奧地利林茨上奧應用科技大學（University of Applied Sciences Upper Austria in Linz）醫學工程系的教授，瑞士蘇黎世聯邦理工學院講師，並曾在澳洲雪梨大學和德國杜賓根大學擔任過研究員。他在醫學研究方面經驗豐富，專注於眩暈症的診斷、治療和康復。在深入使用 Matlab 軟體 15 年後，他發現 Python 非常強大，並將其用於統計資料分析、聲音和影像處理以及生物模擬應用。
目錄大綱
- | PART 1_Python和統計學 |
Chapter 1 為什麼要學統計學？
Chapter 2 Python
2.1 開始
2.2 Python 資料結構
2.3 IPython/Jupyter：一個互動式的 Python 程式設計環境
2.4 開發 Python 程式
2.5 Pandas：用於統計學的資料結構
2.6 Statsmodels：統計建模的工具
2.7 Seaborn：資料視覺化
2.8 一般慣例
2.9 練習
Chapter 3 資料輸入
3.1 從文字檔中輸入
3.2 從 MS Excel 中匯入
3.3 從其他格式匯入資料
Chapter 4 統計資料的展示
4.1 資料類型
4.2 在 Python 中繪圖
4.3 展示統計資料集
4.4 練習
| PART 2_分布和假設檢定 |
Chapter 5 背景
5.1 母體與樣本
5.2 機率分布
5.3 自由度
5.4 研究設計
Chapter 6 單變數的分布
6.1 分布的特徵描述
6.2 離散分布
6.3 常態分布
6.4 來自常態分布的連續分布
6.5 其他連續分布
6.6 練習
Chapter 7 假設檢定
7.1 典型分析流程
7.2 假設概念、錯誤、p 值與樣本數
7.3 敏感性和特異性
7.4 ROC 曲線
Chapter 8 數值型資料的平均數檢定
8.1 樣本平均數的分布
8.2 兩組之間的比較
8.3 多組比較
8.4 總結：選擇正確的檢定方法進行組間比較
8.5 練習
Chapter 9 類別型資料的檢定
9.1 單一比例（one proportion）
9.2 次數表
9.3 練習
Chapter 10 存活時間分析
10.1 存活分布
10.2 存活機率
10.3 在兩組間比較存活曲線
| PART 3_統計建模 |
Chapter 11 線性迴歸模型
11.1 線性相關
11.2 廣義線性迴歸模型
11.3 Patsy：公式語言
11.4 用 Python 進行線性迴歸分析
11.5 線性迴歸模型的結果
11.6 線性迴歸模型的假設
11.7 線性迴歸模型結果的解釋
11.8 Bootstrapping
11.9 練習
Chapter 12 多變量資料分析
12.1 視覺化多變量相關性
12.2 多重線性迴歸
Chapter 13 離散型資料的檢定
13.1 等級資料的組間比較
13.2 邏輯迴歸
13.3 廣義線性模型
13.4 順序邏輯迴歸
Chapter 14 貝氏統計
14.1 貝氏學派與頻率學派的解釋
14.2 電腦時代的貝氏方法
14.3 例子：用馬可夫鏈蒙地卡羅法模擬分析挑戰者號災難
14.4 總結
Appendix_附錄
A 參考解答
B 術語表
C 參考文獻
