Ciencia de datos en términos sencillos: Estadística

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Data Science in Layman's Terms: Statistics

Contenido del libro:

Existen innumerables blogs, cursos y tutoriales que explican conceptos estadísticos, pero sólo un libro puede proporcionar una hoja de ruta completa para entender la estadística. Los libros de texto, sin embargo, tienden a centrarse en la teoría y las demostraciones matemáticas, más que en la estadística práctica o aplicada. Data Science in Layman's Terms: Statistics logra un equilibrio entre un tutorial de fácil lectura y un libro de texto intensivo en teoría. Ofrece una hoja de ruta completa para entender la estadística. Los conceptos de este libro se explican primero en un inglés sencillo y luego se apoyan en ilustraciones y ecuaciones. El material está ordenado linealmente desde las ideas sencillas presentadas en los primeros capítulos hasta las ideas complejas presentadas en los capítulos posteriores. Cada capítulo se basa en la información de los anteriores. Cada capítulo contiene código que muestra cómo implementar los conceptos, tanto en R como en Python.

El libro comienza explicando los conceptos estadísticos básicos y la estadística descriptiva. A continuación, explica la regresión lineal y logística, y cómo la optimización desempeña un papel central en la estadística. A continuación, el libro explica las pruebas estadísticas para comparar medias de grupos, como ANOVA y MANOVA. Se describen tanto las pruebas paramétricas como las no paramétricas. También se explican conceptos para ampliar la flexibilidad del análisis estadístico, como la regularización, el remuestreo, la reducción de dimensiones y el modelado no lineal. Más adelante se describe el enfoque bayesiano de la estadística. Los últimos capítulos tratan del análisis de series temporales y señales. Todos estos conceptos se aplican en R y Python al final de cada capítulo.

En este libro, usted podrá.

- Aprenderá a construir modelos estadísticos para predecir variables continuas, ordinales y categóricas.

- Utilizar modelos de series temporales para predecir los precios y la volatilidad de las acciones.

- Utilizar los datos de Fitbit para modelar las calorías quemadas y averiguar cuántos pasos se necesitan para quemar una caloría.

- Crear un generador de textos o tweets falsos que produzca textos lo suficientemente parecidos al habla normal como para parecer creíbles.

- Detectar valores atípicos, identificar datos potencialmente fraudulentos y detectar puntos de cambio en datos de series temporales.

- Aprenda a descubrir ondas gravitacionales en los datos de señales del Observatorio de Ondas Gravitacionales del Interferómetro Láser.

El repositorio de GitHub que acompaña a este libro se encuentra en: https: //github.com/nlinc1905/dsilt-stats-code.