【总目录】——概率论与数理统计及Python实现

:这是一个横跨数年的任务,标题也可以叫做“从To Do List上划掉学习统计学”。在几年前为p值而苦恼的时候,还不知道Python是什么;后来接触过Python,就喜欢上了这门语言。统计作为数据科学的基础,想要从事这方面的工作,这始终是一个绕不过去的槛。

其实从中学就开始学习统计学了,最早的写"正"字唱票(相当于寻找众数),就是一种统计分析的过程。还有画直方图,求平均值,找中位数等。自己在学校里并没有完整系统的学习过概率论和数理统计,直到在工作中用到,才从最初的印象中,逐渐把这门学科与整个数学区分开来。自从认识到这门学科在自己从事的工作(数据分析)中所处的重要地位,真没少花时间在这方面的学习上。从最初的p值的含义,到各种分布,假设检验,方差分析。。。有的概念看过很多遍,但还是没有理解透彻;有的看过,长时间不用,又忘记了。总之,这一路走来,实在是崎岖坎坷。因此,打算在最近专门抽出一段时间对自己学习过的《概率论与数理统计》做一个小结,也算是对自己的一个交代。在这里放个目录,后面会不断更新。期待跟喜欢Python和数据分析的朋友一起交流,相互学习。

这个小结主要包括以下几个方面:

  • 基本概念;
  • Python的实现;
  • 一些比较经典的例子。

概率论


01. 概率论中的基本概念

02. 随机变量概述

03. 一维离散型随机变量及其Python实现

04. 一维连续性随机变量及其Python实现

05. 随机变量的数字特征

数理统计


06. 大数定律及中心极限定理

07. 统计学中的基本概念

08. 三大抽样分布

09. 参数估计

10. 参数假设检验

11. 拟合优度检验(非参数假设检验)

12 方差分析

13. 回归分析

拾遗


A1. 全概率公式和贝叶斯公式

参考资料


中国大学MOOC:浙江大学,概率论与数理统计

中国大学MOOC:哈尔滨工业大学,概率论与数理统计

https://docs.scipy.org/doc/scipy/reference/stats.html

《概率论与数理统计》,陈希孺,中国科学技术大学出版社

上一篇:Python基础(二)


下一篇:Java 多线程并发编程