用 Python 将统计学应用于实践！
数据驱动的决策离不开统计学。《程序员必备统计学》介绍了统计和定量方法，帮助你在预测股票价格、进行质量控制评估等任务中，超越“凭直觉”做决定，并通过 Python 生态中的强大工具给出示例。
你将学到如何：
- 应用基础和高级统计技术
- 构建预测模型和仿真模型
- 在约束条件下优化决策
- 以统计的严谨性解释和验证结果
- 使用 Python 实现定量分析方法
在这本实践指南中，统计专家 Gary Sutton 将统计技术背后的理论与基于 Python 的实际应用相结合，提供结构化、可复现、可验证的方法来解决复杂的决策问题。书中提供了带有详细注释、可重复使用的 Python 代码清单，并配有示例，方便你亲手练习所学技能。
技术背景
无论是分析应用性能指标、创建实用的仪表板和报告，还是参与以数据为核心的项目，每个程序员都需要学会如何将原始数据转化为可执行的洞察。统计和定量分析是程序员必备的工具，用于厘清不确定性、优化结果并做出明智的选择。
本书简介
《程序员必备统计学》将教你如何将统计方法应用于软件开发中日常会遇到的问题。每一章都是一个新的实践教程：你将使用线性回归预测超级马拉松成绩，用时间序列模型预测股票价格，利用马尔可夫链分析系统可靠性等等。本书在理论与实践之间保持平衡，提供带注释的代码和真实案例，确保所学内容既易于理解又可广泛应用于各个行业。
本书内容
- 概率基础与分布
- 随机变量
- 回归分析
- 决策树与随机森林
- 时间序列分析
- 线性规划
- 蒙特卡洛与马尔可夫方法等
适合读者
示例均基于 Python。
关于作者
Gary Sutton 是一位商业智能和分析领域的专家，著有《Statistics Slam Dunk: Statistical analysis with R on real NBA data》。
目录
- 奠定基础
- 探索概率与计数
- 探索概率分布与条件概率
- 拟合线性回归
- 拟合逻辑回归
- 拟合决策树与随机森林
- 拟合时间序列模型
- 使用线性规划将数据转化为决策
- 运行蒙特卡洛模拟
- 构建并绘制决策树
- 用马尔可夫分析预测未来状态
- 检查和测试自然出现的数列
- 项目管理
- 质量控制可视化
