책소개
<b>이론이나 수식을 몰라도 파이썬 함수로 이해하는 통계학 </b></br></br>데이터 분석에 관심이 높아지면서 통계학이 주목받고 있다. 이 책은 데이터 분석 관점에서 통계학을 설명한다. 어려운 통계학 개념을 이론, 수식, 파이썬 코드로 세 번 살펴본다. 한 번 보고 완전히 이해하지 못해도 여러 번 반복 설명하므로 읽는 동안 점점 이해도가 올라간다. 단순한 기술 설명뿐 아니라 예측에 사용하는 분석용 통계학과 머신러닝의 관계까지 알아본다.</br>
저자소개
2014년 홋카이도 대학 수산과학원 수료 후 Logics of Blue(https://logics-of-blue.com/) 웹사이트를 관리하면서 통계학, 예측 분석, 파이썬, R 관련 자료를 꾸준히 올린다. 저서로는 『RとStanではじめる ベイズ統計モデリングによるデ?タ分析入門』(講談社, 2019), 『平均·分散から始める一般化線形モデル入門』(プレアデス出版, 2015), 『時系列分析と?態空間モデルの基礎: Rと Stanで?ぶ理論と??』(プレアデス出版, 2018)이 있다.
목차
<b>CHAPTER 1 통계학 기본</b></br>1.1 통계학 </br>1.2 표본을 얻는 과정 </br>1.3 표본을 얻는 과정의 추상화 </br>1.4 기술통계 기초 </br>1.5 모집단분포 추정 </br>1.6 확률질량함수와 확률밀도함수</br>1.7 통계량 계산</br>1.8 확률론 기본</br>1.9 확률변수와 확률분포</br></br><b>CHAPTER 2 파이썬과 주피터 노트북 기초</b></br>2.1 환경 구축</br>2.2 주피터 노트북 기본</br>2.3 파이썬 프로그래밍 기본</br>2.4 numpy와 pandas 기본</br></br><b>CHAPTER 3 파이썬을 이용한 데이터 분석</b></br>3.1 파이썬을 이용한 기술통계: 1변량 데이터</br>3.2 파이썬을 이용한 기술통계: 다변량 데이터</br>3.3 matplotlib과 seaborn을 이용한 데이터 시각화</br>3.4 모집단에서 표본 추출 시뮬레이션</br>3.5 표본 통계량 성질</br>3.6 정규분포와 응용</br>3.7 추정</br>3.8 통계적가설검정</br>3.9 평균값의 차이 검정</br>3.10 분할표 검정</br>3.11 검정 결과 해석</br></br><b>CHAPTER 4 통계모델 기본</b></br>4.1 통계모델</br>4.2 통계모델을 만드는 방법</br>4.3 데이터의 표현과 모델의 명칭</br>4.4 파라미터 추정: 우도의 최대화</br>4.5 파라미터 추정: 손실의 최소화</br>4.6 예측 정확도의 평가와 변수 선택</br></br><b>CHAPTER 5 정규선형모델</b></br>5.1 연속형 독립변수가 하나인 모델(단순회귀)</br>5.2 분산분석</br>5.3 독립변수가 여럿인 모델</br></br><b>CHAPTER 6 일반선형모델</b></br>6.1 여러 가지 확률분포</br>6.2 일반선형모델의 기본</br>6.3 로지스틱 회귀</br>6.4 일반선형모델의 평가</br>6.5 푸아송 회귀</br></br><b>CHAPTER 7 통계학과 머신러닝</b></br>7.1 머신러닝 기본</br>7.2 정규화와 리지 회귀, 라소 회귀</br>7.3 파이썬을 이용한 리지 회귀와 라소 회귀 </br>7.4 선형모델과 신경망</br>7.5 이 책 다음으로 배울 것
