类似推荐
编辑推荐
全角度拆解统计学与概率论。
内容简介
本书的内容可以归纳为7大板块——统计、概率、高斯、随机、频率派、贝叶斯派、椭圆。本书在讲解概率统计工具时，会穿插介绍其在数据科学和机器学习领域的应用场景，让大家学以致用。
作者简介
作者姜伟生，热爱知识可视化和开源分享。自2022年8月开始，在GitHub上开源“鸢尾花书”学习资源，截至2023年9月，已经分享4000多页PDF、4000多幅矢量图、约2000个代码文件，全球读者数以万计。
章节目录
版权信息
内容简介
前言
致谢
使用本书
绪论 图解+编程+实践+数学板块融合
01 统计
01 概率统计全景 公式连篇，可能是“鸢尾花书”最枯燥无味的一章
02 统计描述 用图形和汇总统计量描述样本数据
02 概率
03 古典概率模型 归根结底，概率就是量化的生活常识
04 离散随机变量 取值为有限个或可数无穷个，对应概率质量函数PMF
05 离散分布 理想化的离散随机变量概率模型
06 连续随机变量 PDF积分得到边缘概率密度或概率值
07 连续分布 分布相当于理想化假设
08 条件概率 离散、连续随机变量的条件期望、条件方差
03 高斯
09 一元高斯分布 可能是应用最广泛的概率分布
10 二元高斯分布 椭圆的影子几乎无处不在
11 多元高斯分布 几何、代数、概率统计的完美结合
12 条件高斯分布 假设随机变量服从高斯分布，讨论条件期望、条件方差
13 协方差矩阵 很多数学科学、机器学习算法的起点
04 随机
14 随机变量的函数 从几何视角探讨随机变量的线性变换
15 蒙特卡洛模拟 以概率统计为基础，基于伪随机数，进行数值模拟
05 频率派
16 频率派统计推断 参数固定，但不可知，将概率解释为反复抽样的极限频率
17 概率密度估计 核密度估计就是若干概率密度函数加权叠合
06 贝叶斯派
18 贝叶斯分类 最大化后验概率，利用花萼长度分类鸢尾花
19 贝叶斯分类进阶 计算后验概率，利用花萼长度和宽度分类鸢尾花
20 贝叶斯推断入门 参数不确定，参数对应概率分布
21 贝叶斯推断进阶 属于同类的后验分布与先验分布叫共轭分布
22 马尔可夫链蒙特卡洛 使用PyMC3产生满足特定后验分布的随机数
07 椭圆
23 马氏距离 一种和椭圆有关、考虑数据分布的距离度量
24 线性回归 以概率统计、几何、矩阵分解、优化为视角
25 主成分分析 以概率统计、几何、矩阵分解、优化为视角
统计至简（概率统计全彩图解+微课+Python编程）是2023年由清华大学出版社出版,作者姜伟生。
得书感谢您对《统计至简（概率统计全彩图解+微课+Python编程）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
