파이썬으로 배우는 통계학 교과서(2판)
Regular price
$40.45
Sale price
Regular price
✈️
Estimated delivery date 예상 배송일
Standard Shipping
불러오는 중...
주문일로부터 8-12 영업일
Express Shipping
불러오는 중...
주문일로부터 6-8 영업일
파이썬 코드로 풀어보는 친절한 통계학 입문서
콘텐츠 추천, 데이터 분석 등 현대 사회의 중요한 의사결정은 통계를 기반으로 이루어집니다. 하지만 통계학의 수식과 이론만으로는 그 개념이 잘 와닿지 않을 때가 많습니다. 이 책은 그러한 어려움을 덜어주고자 이론과 더불어 파이썬 코드와 실습을 통해 직관적으로 이해할 수 있는 길을 안내합니다. 넘파이와 팬더스 라이브러리로 데이터를 분석하고, 맷플롯립과 시본을 이용해 데이터를 시각화합니다.
기술통계, 확률과 분포, 통계적 추정, 가설검정 등 통계의 기본을 다지고 나아가 머신러닝과의 접점까지 살펴봅니다. 이론에만 머무르지 않고 실제 데이터를 분석하며 통계 이론을 익히는 방식은 통계를 학습하는 데 큰 도움이 될 것입니다. 통계가 어렵게만 느껴졌다면 이 책으로 시작해보세요.
콘텐츠 추천, 데이터 분석 등 현대 사회의 중요한 의사결정은 통계를 기반으로 이루어집니다. 하지만 통계학의 수식과 이론만으로는 그 개념이 잘 와닿지 않을 때가 많습니다. 이 책은 그러한 어려움을 덜어주고자 이론과 더불어 파이썬 코드와 실습을 통해 직관적으로 이해할 수 있는 길을 안내합니다. 넘파이와 팬더스 라이브러리로 데이터를 분석하고, 맷플롯립과 시본을 이용해 데이터를 시각화합니다.
기술통계, 확률과 분포, 통계적 추정, 가설검정 등 통계의 기본을 다지고 나아가 머신러닝과의 접점까지 살펴봅니다. 이론에만 머무르지 않고 실제 데이터를 분석하며 통계 이론을 익히는 방식은 통계를 학습하는 데 큰 도움이 될 것입니다. 통계가 어렵게만 느껴졌다면 이 책으로 시작해보세요.
Couldn't load pickup availability
출판사 리뷰
출판사 리뷰
수식과 파이썬 코드로 이해하는 기초와 실전!
데이터 분석에서 머신러닝까지
파이썬으로 배우는 통계
통계학이 어렵게 느껴지는 이유 중 하나는 이해해야 할 것이 너무 많다는 점입니다. 중요한 점은 개념 간 연결 관계를 파악하는 것입니다. 이 책은 독자가 개념들이 서로 어떻게 관련되어 있는지 쉽게 이해할 수 있도록 구성되었습니다.
1장에서 6장까지는 통계학 입문서의 성격을 띠며 기술통계, 확률과 분포의 기본, 통계적 추정 및 통계적 가설검정을 다룹니다. 7장부터 10장에서는 통계모델, 회귀분석, 선형모델 등의 분석 방법을 알아봅니다. 또한 예측 기술로서 머신러닝과의 접점을 다루어 통계학 기초부터 머신러닝에 이르기까지의 흐름을 이해할 수 있도록 구성했습니다.
통계에 관한 세세한 노하우와 팁보다는 통계 용어와 기본 수식, 간단한 파이썬 문법으로 구현하는 데 집중하여 통계학 기초를 다지기 위해 최선을 다했습니다. 글, 수식, 파이썬 코드로 같은 내용을 세 번에 걸쳐 설명하므로 점차 깊이 있게 내용을 이해할 수 있을 것입니다. 통계를 모르는 개발자나, 파이썬이 익숙하지 않지만 통계를 공부해보려는 독자가 데이터 분석에 필요한 통계를 배우려 한다면 이 책을 추천합니다.
초판과 달라진 점
● 초보자가 쉽게 학습할 수 있도록 구현 순서를 따라가며 해설하는 방식으로 구성을 개선했습니다.
● 이 책은 파이썬을 사용해 데이터를 분석하고 싶은 분들을 위한 책입니다. 파이썬 실습 코드를 점검하고 수정했습니다.
● 기술통계, 추론통계 실습 등에 대한 내용이 늘었습니다. 데이터를 처리하는 데 매우 중요한 기술이나 아이디어를 설명하는 부분이 늘었고, 층화분석과 같은 실용적인 기술도 절을 할애해 설명을 더했습니다.
주요 내용
● 통계학 기본
● 파이썬 기초와 주피터 노트북 설정
● 기술통계
● 확률과 확률분포
● 통계적 추정과 가설검정
● 통계모델
● 정규선형모델과 일반화선형모델
● 통계학과 머신러닝
데이터 분석에서 머신러닝까지
파이썬으로 배우는 통계
통계학이 어렵게 느껴지는 이유 중 하나는 이해해야 할 것이 너무 많다는 점입니다. 중요한 점은 개념 간 연결 관계를 파악하는 것입니다. 이 책은 독자가 개념들이 서로 어떻게 관련되어 있는지 쉽게 이해할 수 있도록 구성되었습니다.
1장에서 6장까지는 통계학 입문서의 성격을 띠며 기술통계, 확률과 분포의 기본, 통계적 추정 및 통계적 가설검정을 다룹니다. 7장부터 10장에서는 통계모델, 회귀분석, 선형모델 등의 분석 방법을 알아봅니다. 또한 예측 기술로서 머신러닝과의 접점을 다루어 통계학 기초부터 머신러닝에 이르기까지의 흐름을 이해할 수 있도록 구성했습니다.
통계에 관한 세세한 노하우와 팁보다는 통계 용어와 기본 수식, 간단한 파이썬 문법으로 구현하는 데 집중하여 통계학 기초를 다지기 위해 최선을 다했습니다. 글, 수식, 파이썬 코드로 같은 내용을 세 번에 걸쳐 설명하므로 점차 깊이 있게 내용을 이해할 수 있을 것입니다. 통계를 모르는 개발자나, 파이썬이 익숙하지 않지만 통계를 공부해보려는 독자가 데이터 분석에 필요한 통계를 배우려 한다면 이 책을 추천합니다.
초판과 달라진 점
● 초보자가 쉽게 학습할 수 있도록 구현 순서를 따라가며 해설하는 방식으로 구성을 개선했습니다.
● 이 책은 파이썬을 사용해 데이터를 분석하고 싶은 분들을 위한 책입니다. 파이썬 실습 코드를 점검하고 수정했습니다.
● 기술통계, 추론통계 실습 등에 대한 내용이 늘었습니다. 데이터를 처리하는 데 매우 중요한 기술이나 아이디어를 설명하는 부분이 늘었고, 층화분석과 같은 실용적인 기술도 절을 할애해 설명을 더했습니다.
주요 내용
● 통계학 기본
● 파이썬 기초와 주피터 노트북 설정
● 기술통계
● 확률과 확률분포
● 통계적 추정과 가설검정
● 통계모델
● 정규선형모델과 일반화선형모델
● 통계학과 머신러닝
목차
목차
CHAPTER 1 통계학 기본
_1.1 통계학
_1.2 왜 기술통계가 필요한가
_1.3 왜 추론통계가 필요한가
CHAPTER 2 파이썬과 주피터 노트북
_2.1 환경 구축
_2.2 주피터 노트북
_2.3 파이썬 프로그래밍
_2.4 넘파이와 팬더스
CHAPTER 3 기술통계
_3.1 데이터 분류
_3.2 수식을 읽는 방법
_3.3 도수분포
_3.4 1변량 데이터 통계량
_3.5 다변량 데이터 통계량
_3.6 층화분석
_3.7 그래프 활용
CHAPTER 4 확률과 확률분포
_4.1 확률론
_4.2 확률분포
_4.3 이항분포
_4.4 정규분포
CHAPTER 5 통계적 추정
_5.1 통계적 추론의 개념
_5.2 모집단에서 표본추출 시뮬레이션
_5.3 모평균 추정
_5.4 모분산 추정
_5.5 정규모집단에서 파생된 확률분포
_5.6 구간추정
CHAPTER 6 통계적 가설검정
_6.1 모평균에 대한 단일표본 t검정
_6.2 평균값 차이 검정
_6.3 분할표 검정
_6.4 검정 결과 해석
CHAPTER 7 통계모델
_7.1 통계모델 기본
_7.2 선형모델을 만드는 방법
_7.3 데이터 표현과 모델 명칭
_7.4 파라미터 추정: 가능도 최대화
_7.5 파라미터 추정: 손실 최소화
_7.6 예측 정확도 평가와 변수 선택
CHAPTER 8 정규선형모델
_8.1 연속형 독립변수가 하나인 모델: 단순회귀
_8.2 정규선형모델 평가
_8.3 분산분석
_8.4 독립변수가 여럿인 모델
CHAPTER 9 일반화선형모델
_9.1 일반화선형모델 기본
_9.2 로지스틱 회귀
_9.3 일반화선형모델 평가
_9.4 푸아송 회귀
CHAPTER 10 통계학과 머신러닝
_10.1 머신러닝 기본
_10.2 정규화와 리지 회귀, 라소 회귀
_10.3 파이썬을 이용한 리지 회귀와 라소 회귀
_10.4 선형모델과 신경망
_1.1 통계학
_1.2 왜 기술통계가 필요한가
_1.3 왜 추론통계가 필요한가
CHAPTER 2 파이썬과 주피터 노트북
_2.1 환경 구축
_2.2 주피터 노트북
_2.3 파이썬 프로그래밍
_2.4 넘파이와 팬더스
CHAPTER 3 기술통계
_3.1 데이터 분류
_3.2 수식을 읽는 방법
_3.3 도수분포
_3.4 1변량 데이터 통계량
_3.5 다변량 데이터 통계량
_3.6 층화분석
_3.7 그래프 활용
CHAPTER 4 확률과 확률분포
_4.1 확률론
_4.2 확률분포
_4.3 이항분포
_4.4 정규분포
CHAPTER 5 통계적 추정
_5.1 통계적 추론의 개념
_5.2 모집단에서 표본추출 시뮬레이션
_5.3 모평균 추정
_5.4 모분산 추정
_5.5 정규모집단에서 파생된 확률분포
_5.6 구간추정
CHAPTER 6 통계적 가설검정
_6.1 모평균에 대한 단일표본 t검정
_6.2 평균값 차이 검정
_6.3 분할표 검정
_6.4 검정 결과 해석
CHAPTER 7 통계모델
_7.1 통계모델 기본
_7.2 선형모델을 만드는 방법
_7.3 데이터 표현과 모델 명칭
_7.4 파라미터 추정: 가능도 최대화
_7.5 파라미터 추정: 손실 최소화
_7.6 예측 정확도 평가와 변수 선택
CHAPTER 8 정규선형모델
_8.1 연속형 독립변수가 하나인 모델: 단순회귀
_8.2 정규선형모델 평가
_8.3 분산분석
_8.4 독립변수가 여럿인 모델
CHAPTER 9 일반화선형모델
_9.1 일반화선형모델 기본
_9.2 로지스틱 회귀
_9.3 일반화선형모델 평가
_9.4 푸아송 회귀
CHAPTER 10 통계학과 머신러닝
_10.1 머신러닝 기본
_10.2 정규화와 리지 회귀, 라소 회귀
_10.3 파이썬을 이용한 리지 회귀와 라소 회귀
_10.4 선형모델과 신경망
저자
저자
바바 신야
2014년 홋카이도 대학 수산과학원을 수료했다. 2020년 11월부터 도쿄의과치과 대학 비상근 강사, 2021년 2월부터 이와테대학 객원 부교수, 2022년 4월부터 테이쿄 대학 특임 강사를 맡고 있다. 통계학, 예측 분석, 파이썬, R 등을 다루는 Logics of Blue(https://logics-of-blue.com/)라는 웹사이트도 관리하고 있다.
저서로는 『平均ㆍ分散から始める一般化線形モデル入門』（プレアデス出版, 2015）, 『時系列分析と?態空間モデルの基礎:RとStanで?ぶ理論と??』（プレアデス出版, 2018）, 『RとStanではじめるベイズ統計モデリングによるデ?タ分析入門』（講談社, 2019）, 『R言語ではじめるプログラミングとデ?タ分析』（ソシム, 2019）, 『意思決定分析と予測の活用基礎理論からPython??まで』（講談社, 2021） 등이 있다.
저서로는 『平均ㆍ分散から始める一般化線形モデル入門』（プレアデス出版, 2015）, 『時系列分析と?態空間モデルの基礎:RとStanで?ぶ理論と??』（プレアデス出版, 2018）, 『RとStanではじめるベイズ統計モデリングによるデ?タ分析入門』（講談社, 2019）, 『R言語ではじめるプログラミングとデ?タ分析』（ソシム, 2019）, 『意思決定分析と予測の活用基礎理論からPython??まで』（講談社, 2021） 등이 있다.
Payment & Security
Payment methods
Your payment information is processed securely. We do not store credit card details nor have access to your credit card information.
