Puntuación:
Actualmente no hay opiniones de lectores. La calificación se basa en 3 votos.
Modern Statistics: A Computer-Based Approach with Python
Este innovador libro de texto presenta material para un curso de estadística moderna que incorpora Python como recurso pedagógico y práctico. Basándose en muchos años de docencia e investigación en diversos entornos aplicados e industriales, los autores han adaptado cuidadosamente el texto para proporcionar un equilibrio ideal entre teoría y aplicaciones prácticas. Se incorporan numerosos ejemplos y estudios de casos, y se ilustran en detalle aplicaciones completas de Python. Se puede descargar un paquete Python personalizado que permite a los estudiantes reproducir estos ejemplos y explorar otros.
Los primeros capítulos del texto se centran en el análisis de la variabilidad, los modelos de probabilidad y las funciones de distribución. A continuación, los autores presentan la inferencia estadística y el bootstrapping, así como la variabilidad en varias dimensiones y los modelos de regresión. A continuación, el texto aborda el muestreo para la estimación de cantidades de población finita y el análisis y predicción de series temporales, para concluir con dos capítulos sobre métodos modernos de análisis de datos. Cada capítulo incluye ejercicios, conjuntos de datos y aplicaciones para complementar el aprendizaje.
Estadística moderna: A Computer-Based Approach with Python está pensado para un curso avanzado de grado o posgrado de uno o dos semestres. Debido a la naturaleza fundamental del texto, puede combinarse con cualquier programa que requiera el análisis de datos en su plan de estudios, como los cursos sobre ciencia de datos, estadística industrial, ciencias físicas y sociales e ingeniería. Los investigadores, profesionales y científicos de datos también encontrarán en él un recurso útil gracias a las numerosas aplicaciones y casos prácticos que se incluyen.
Un segundo libro de texto estrechamente relacionado se titula Industrial Statistics: A Computer-Based Approach with Python. Abarca temas como el control estadístico de procesos, incluidos los métodos multivariantes, el diseño de experimentos, incluidos los experimentos informáticos y los métodos de fiabilidad, incluida la fiabilidad bayesiana. Estos textos pueden utilizarse de forma independiente o en cursos consecutivos.
Se puede acceder al paquete mistat Python en https: //gedeck. github. io/mistat-code-solutions/ModernStatistics/.
"En este libro sobre Estadística Moderna, los dos últimos capítulos sobre métodos analíticos modernos contienen lo que es muy popular en este momento, especialmente en Machine Learning, como clasificadores, métodos de clustering y análisis de texto. Pero también aprecio los capítulos anteriores, ya que creo que las personas que utilizan métodos de aprendizaje automático deberían ser conscientes de que dependen en gran medida de los estadísticos. Aprecio mucho los numerosos casos resueltos, basados en la larga experiencia de los autores. Son muy útiles para comprender mejor, y luego aplicar, los métodos presentados en el libro. El uso de Python corresponde a la mejor experiencia de programación actual. Por todas estas razones, creo que el libro tiene también un futuro brillante e impactante y felicito a los autores por ello".
Profesor Fabrizio RuggeriDirector de Investigación del Consejo Nacional de Investigación, ItaliaPresidente de la Sociedad Internacional de Estadística Empresarial e Industrial (ISBIS)Editor jefe de Applied Stochastic Models in Business and Industry (ASMBI)
© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)