Piense en STATS: Análisis exploratorio de datos

Opiniones de los lectores

El libro ofrece una introducción práctica a la estadística a través de Python, resultando especialmente atractivo para programadores con cierta experiencia en ambas materias. Ha sido bien recibido por su estilo de escritura accesible y sus ejemplos eficaces, aunque hay críticas sobre el uso de funciones personalizadas y la falta de atención a las bibliotecas estándar de Python.

⬤ Gran introducción a la estadística para aquellos con conocimientos básicos de programación.
⬤ Bien escrito, atractivo y conciso.
⬤ Ofrece ejemplos prácticos utilizando Jupyter Notebook.
⬤ Cobertura exhaustiva de temas estadísticos.
⬤ Útil para el autoaprendizaje y la aplicación de herramientas estadísticas.
⬤ Bueno para adquirir experiencia práctica a través de ejercicios.

⬤ Depende en gran medida del código personalizado del autor, que no es estándar ni ampliamente aplicable.
⬤ Algunos revisores encontraron el código difícil de entender y no adecuado para uso profesional.
⬤ Se critica la impresión en blanco y negro de los gráficos por su falta de claridad.
⬤ Puede no ser ideal para principiantes en programación o estadística.
⬤ Algunos consideraron que el contenido era denso y difícil de retener.

(basado en 49 opiniones de lectores)

Título original:

Think STATS: Exploratory Data Analysis

Contenido del libro:

Si sabe programar, tiene las habilidades para convertir datos en conocimiento, utilizando herramientas de probabilidad y estadística. Esta concisa introducción le muestra cómo realizar análisis estadísticos computacionalmente, en lugar de matemáticamente, con programas escritos en Python.

Trabajando con un único caso de estudio a lo largo de este libro completamente revisado, aprenderá todo el proceso del análisis exploratorio de datos, desde la recopilación de datos y la generación de estadísticas hasta la identificación de patrones y la comprobación de hipótesis. Explorará las distribuciones, las reglas de probabilidad, la visualización y muchas otras herramientas y conceptos.

Los nuevos capítulos sobre regresión, análisis de series temporales, análisis de supervivencia y métodos analíticos enriquecerán sus descubrimientos.

⬤ Desarrolle una comprensión de la probabilidad y la estadística escribiendo y probando código.

⬤ Ejecute experimentos para comprobar el comportamiento estadístico, como la generación de muestras a partir de varias distribuciones.

⬤ Utilizar simulaciones para comprender conceptos que son difíciles de entender matemáticamente.

⬤ Importar datos de la mayoría de las fuentes con Python, en lugar de depender de datos limpiados y formateados para herramientas estadísticas.

⬤ Utilizar la inferencia estadística para responder preguntas sobre datos del mundo real.