Avis des lecteurs
Il n'y a actuellement aucun avis de lecteur. La note est basée sur 3 votes.
Titre original :
Modern Statistics: A Computer-Based Approach with Python
Contenu du livre :
Ce manuel innovant présente le matériel d'un cours de statistiques modernes qui incorpore Python comme ressource pédagogique et pratique. S'appuyant sur de nombreuses années d'enseignement et de recherche dans divers contextes appliqués et industriels, les auteurs ont soigneusement adapté le texte pour fournir un équilibre idéal entre la théorie et les applications pratiques. De nombreux exemples et études de cas sont incorporés tout au long du texte, et des applications Python complètes sont illustrées en détail. Un paquetage Python personnalisé est disponible au téléchargement, permettant aux étudiants de reproduire ces exemples et d'en explorer d'autres.
Les premiers chapitres du texte se concentrent sur l'analyse de la variabilité, les modèles de probabilité et les fonctions de distribution. Ensuite, les auteurs présentent l'inférence statistique et le bootstrapping, la variabilité en plusieurs dimensions et les modèles de régression. Le texte traite ensuite de l'échantillonnage pour l'estimation des quantités de population finie et de l'analyse et de la prédiction des séries temporelles, et se termine par deux chapitres sur les méthodes modernes d'analyse des données. Chaque chapitre comprend des exercices, des ensembles de données et des applications pour compléter l'apprentissage.
Statistiques modernes : A Computer-Based Approach with Python est destiné à un cours avancé d'un ou deux semestres pour les étudiants de premier ou de deuxième cycle. En raison de la nature fondamentale du texte, il peut être combiné avec n'importe quel programme nécessitant l'analyse de données dans son cursus, comme les cours sur la science des données, les statistiques industrielles, les sciences physiques et sociales, et l'ingénierie. Les chercheurs, les praticiens et les scientifiques des données y trouveront également une ressource utile grâce aux nombreuses applications et études de cas qui y sont incluses.
Un deuxième manuel, étroitement lié au premier, est intitulé Industrial Statistics : A Computer-Based Approach with Python. Il couvre des sujets tels que le contrôle statistique des processus, y compris les méthodes multivariées, la conception d'expériences, y compris les expériences informatiques et les méthodes de fiabilité, y compris la fiabilité bayésienne. Ces textes peuvent être utilisés indépendamment ou pour des cours consécutifs.
Le paquetage Python mistat est accessible à l'adresse https : //gedeck. github. io/mistat-code-solutions/ModernStatistics/.
"Dans ce livre sur les statistiques modernes, les deux derniers chapitres sur les méthodes analytiques modernes contiennent ce qui est très populaire en ce moment, en particulier dans l'apprentissage automatique, comme les classificateurs, les méthodes de regroupement et l'analyse de texte. Mais j'apprécie également les chapitres précédents, car je pense que les personnes qui utilisent des méthodes d'apprentissage automatique doivent être conscientes qu'elles s'appuient fortement sur des méthodes statistiques. J'apprécie beaucoup les nombreux cas pratiques, basés sur la longue expérience des auteurs. Ils sont très utiles pour mieux comprendre, et ensuite appliquer, les méthodes présentées dans le livre. L'utilisation de Python correspond à la meilleure expérience de programmation actuelle. Pour toutes ces raisons, je pense que ce livre est promis à un brillant avenir et à un grand impact, et j'en félicite les auteurs".
Professeur Fabrizio RuggeriDirecteur de recherche au Conseil national de la recherche, ItaliePrésident de la Société internationale pour les statistiques commerciales et industrielles (ISBIS)Rédacteur en chef de Applied Stochastic Models in Business and Industry (ASMBI)
Autres informations sur le livre :
| ISBN : | 9783031075681 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Broché |
Achat:
Actuellement disponible, en stock.
