用Python动手学统计学 第2版

·统计学入门佳作
·助力零基础跨越编程与统计门槛的指南
·一本将 Python 与统计学巧妙融合的趣书
·简洁明了的文字与精妙实用的代码示例
·作者精心雕琢，打造多维度知识讲解体系
·呈现统计学从基础到前沿模型的完整脉络

本书是统计学的入门书，对同一个知识点分别使用文字说明、数学式和Python示例代码进行讲解，循序渐进地介绍了统计学和Python的基础知识、描述统计、统计推断、假设检验、正态线性模型和广义线性模型等统计模型，以及机器学习等。通过阅读本书，读者不仅可以深刻理解统计学术语、统计分析方法和预测方法等，还可以学到前沿的机器学习知识，以及如何使用Python实现数据可视化和建模等。

本书结构清晰、直观易懂，适合统计学和Python的初学者及对数据科学和机器学习感兴趣的读者使用，也可作为高等院校计算机、统计等专业学生的入门书。

[日]马场真哉：出生于日本兵库县，2014年毕业于北海道大学水产科学院。分享统计学基础与应用、数据分析和Python编程等知识的网站Logics of Blue的管理者。著有《用R学编程和数据分析》《用R和Stan入门数据分析：基于贝叶斯统计建模》《时序分析和状态空间模型基础：用R和Stan学习理论和实现》《从均值和方差入门广义线性模型》《决策分析与预测的应用：从基础理论到Python实现》等。

第1章 开始学习统计学1

1-1 统计学2

1-1-1 描述统计2

1-1-2 统计推断3

1-2 描述统计的必要性4

1-2-1 为什么需要描述统计4

1-2-2 均值存在的问题4

1-2-3 使用均值以外的指标5

1-2-4 数据可视化5

1-3 统计推断的必要性6

1-3-1 为什么需要统计推断6

1-3-2 术语 总体与样本6

1-3-3 术语 样本容量7

1-3-4 推断的形象描述7

1-3-5 样本的随机偏差与区间估计8

1-3-6 判断与假设检验8

1-3-7 模型与推断8

1-3-8 从线性模型到机器学习9

第2章 Python与JupyterNotebook基础11

……