'파이썬을 이용한 통계분석'은 파이썬을 활용하여 통계 분석을 배우고자 하는 학습자에게 최적화된 책입니다. 이 책은 단순한 프로그래밍 언어 학습을 넘어, 통계학의 기초부터 심화까지 폭넓게 다루고 있어 실무에 바로 적용할 수 있는 실질적인 능력을 배양할 수 있도록 돕습니다.
1장은 파이썬의 기본 개념과 환경 설정에 중점을 둡니다. 파이참, 주피터 노트북, 구글 코랩 등 다양한 개발 도구의 설치 및 사용법을 익힐 수 있어, 파이썬 초보자도 쉽게 접근할 수 있습니다. 또한, 파이썬의 기본 문법과 예제 파일 실행 방법을 통해 기초를 다지게 됩니다.
2장부터 9장까지는 통계 분석의 다양한 주제를 심도 있게 다룹니다. 자료의 특징 파악, 확률과 확률분포, 표본분포, 통계적 추정, 가설검정, 범주형 자료 분석, 분산분석, 회귀분석 등 통계 분석의 전반적인 과정을 체계적으로 설명합니다. 각 장에서는 이론적인 설명과 함께 파이썬을 활용한 실습 예제를 제공하여, 이론과 실습을 동시에 익힐 수 있습니다.
특히, 6장과 7장은 의사결정을 위한 가설검정과 범주형 자료 분석을 다루며, 실무에서 자주 접하는 문제를 해결하는 방법을 제시합니다. 또한, 8장과 9장은 여러 집단 간의 차이 분석과 회귀분석을 통해 보다 복잡한 데이터 분석 기법을 설명합니다.
마지막으로 부록에서는 다양한 분포표와 연습문제 풀이를 제공하여, 학습자가 스스로 학습한 내용을 복습하고 실력을 점검할 수 있도록 돕습니다. 이 책은 통계 분석을 처음 접하는 사람부터, 기존의 지식을 심화하고자 하는 전문가까지 모두에게 유용한 자료가 될 것입니다. 가격은 36,000원으로, 이 가격에 이 정도의 내용을 제공하는 책은 흔치 않습니다. 통계 분석을 파이썬과 함께 배우고자 한다면, 이 책은 훌륭한 선택이 될 것입니다.
목차
1장 파이썬 알아보기
1.1 파이썬이란
1.2 파이참 설치 및 실행하기
1.3 주피터 노트북 사용하기
1.4 구글 코랩 사용하기
1.5 파이썬 기본 문법
1.6 예제 파일 실행하기
2장 자료의 특징 파악하기
2.1 모집단과 표본
2.2 대푯값
2.3 퍼짐의 정도
2.4 왜도와 첨도
2.5 도수분포표
3장 확률과 확률분포
3.1 확률과 표본공간
3.2 확률변수의 분류
3.3 확률변수와 확률분포
3.4 기댓값
3.5 베르누이분포
3.6 정규분포
3.7 결합분포와 상관계수
3.8 기댓값과 분산의 응용
4장 표본분포에 대한 이해
4.1 표본
4.2 통계량
4.3 표본평균의 분포
4.4 표본비율의 분포
4.5 표본분산의 분포
4.6 표본추출 방법
5장 통계적 추정
5.1 점추정
5.2 구간추정
5.3 평균에 대한 신뢰구간 추정
5.4 비율에 대한 신뢰구간 추정
5.5 분산에 대한 신뢰구간 추정
5.6 서로 독립인 두 집단의 평균들 차이에 대한 신뢰구간 추정
5.7 짝으로 이루어진 자료의 차에 대한 신뢰구간 추정
5.8 표본크기의 결정
6장 의사결정을 하기 위한 절차(가설검정)
6.1 귀무(영)가설과 대립가설
6.2 검정통계량과 귀무가설의 기각역
6.3 유의수준
6.4 가설검정의 예
6.5 유의확률
6.6 분산에 대한 가설검정
6.7 두 모집단 간의 차에 대한 검정
6.8 짝으로 된 자료에 대한 검정
6.9 두 모집단 비율들의 차에 대한 검정
6.10 두 집단 분산 간의 차에 대한 가설검정
7장 분류된 자료(범주형)에 대한 분석
7.1 다항분포
7.2 적합도검정
7.3 독립성검정
7.4 동질성검정
7.5 연관성 척도
8장 여러 집단 간의 차이(분산분석)
8.1 분산분석의 원리
8.2 분산분석의 가정
8.3 일원배치분산분석
8.4 이원배치분산분석
8.5 다중비교검정(범위검정)
8.6 잔차분석
8.7 자료변환
8.8 비모수적 분산분석: 순위자료에 대한 분산분석
8.9 공분산분석
8.10 두 집단 분산 간의 차에 대한 가설검정
8.11 등분산 가정에 대한 가설검정
9장 회귀분석
9.1 단순선형회귀모형
9.2 쫐at(β)_1에 대한 통계적 성질
9.3 쫐at(Y)에 대한 통계적 성질
9.4 결정계수
9.5 잔차분석
9.6 원점을 지나는 회귀모형
9.7 변수변환
9.8 다중선형회귀모형
9.9 표준화
9.10 질적변수의 설명변수 사용
9.11 부분가설검정
9.12 변수선택
9.13 교호모형
9.14 꺾은선 회귀모형
9.15 두 개 이상의 회귀선 비교
9.16 자기상관
9.17 가중최소제곱법
부록 분포표
1. 표준정규분포표
2. t-분포표
3. F-분포표
4. χ^2-분포표
5. Duncan의 d(r,v)
6. Tukey의 q(k,v)
7. Durbin-Waston
8. Kruskal-Wallis 통계량의 임계값
9. F(max)=S^2(max)/S^2(min)
연습문제 풀이
참고문헌
찾아보기
- Yes24: https://bitl.bz/fQHA27
- 교보문고: https://bitl.bz/NudInL
'데이터 과학 > 통계학, 머신러닝' 카테고리의 다른 글
| 케빈 머피, 확률론적 머신러닝: 기본편, 에이콘출판 (2) | 2025.01.23 |
|---|---|
| 민재식, 머신 러닝 마스터 클래스 (무료특별판), 인사이트 (3) | 2025.01.22 |
| 크리스토퍼 비숍, 패턴 인식과 머신 러닝, 제이펍 (3) | 2025.01.21 |
| 개러스 제임스 , 다니엘라 위튼 , 트레버 헤이스티 , 로버트 팁시라니 , 조너선 테일러, 기초부터 다지는 통계학 교과서 with 파이썬, 인사이트 (0) | 2025.01.10 |
| 허명회, 데이터과학을 위한 확률.통계: R과 Python의 활용, 자유아카데미 (0) | 2025.01.08 |