首页>课程更新>看视频,学代码,精彩世界等你发现,《Python全系列》第18阶段更新

看视频,学代码,精彩世界等你发现,《Python全系列》第18阶段更新

Python全系列

 

本次更新内容为Python第十阶段:数据分析-统计分析

 

本阶段内容围绕scipy.stats和statsmodels包的相关功能展开,从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

 

通过本课程的学习,可以将深入学习如何正确考察这些方法的适用条件,正确选择所需的方法加以应用,从而既满足了相关统计分析功能的需求,又为进一步学习statsmodels包中的复杂建模功能打下坚实的基础。

 

第一章:Python统计分析

01_假设检验介绍

02_假设检验原理

03_假设检验步骤

04_I类与II类错误

05_假设检验注意事项

06_单样本t检验

07_python实现单样本t检验

08_两样本t检验

09_scipy实现两样本t检验

10_statsmodels实现两样本t检验

11_独立性考察

12_正态性考察

13_正态性假设性考察方法

14_python考察正态分布情况

15_非正态时的应对策略

16_方差齐性考察

17_Python考察方差齐性

18_单因素方差分析介绍

19_单因素方差分析原理与步骤

20_python实现单因素方差分析

21_两两比较需要解决的问题

22_python实现两两比较

23_非参数检验介绍

24_非参数检验的基本原理

25_独立样本比较的非参数方法

26_python实现独立样本非参数方法

27_配对样本非参数方法mp4

28_python实现配对样本非参数方法

29_秩变换分析的原理

30_python使用秩变换分析

31_卡方检验

32_scipy实现卡方检验

33_statsmodels实现卡方检验

34_卡方检验两两比较

35_卡方校验确切概率法

36_配对卡方检验

37_二项分布介绍

38_Python实现二项分布检验

39_相关分析概率

40_相关分析的计算原理

41_python实现相关分析mp4

42_RR与OR的介绍

43_Python实现RR与OR值

44_线性回归介绍

45_线性回归模型概述

46_线性回归的实用条件

47_线性回归模型的建模步骤

48_scipy实现线性回归

49_statsmodels实现线性回归

50_statsmodels多组自变量线性回归

51_为什么学习样本量估计

52_样本量的计算原理

53_t检验的样本量估计

54_多组样本量估计

55_率的比较的样本量估计

 

 


另附各章节课程资料



百战程序员微信公众号

百战程序员微信小程序

©2014-2024 百战汇智(北京)科技有限公司 All Rights Reserved 北京亦庄经济开发区科创十四街 赛蒂国际工业园
网站维护:百战汇智(北京)科技有限公司
京公网安备 11011402011233号    京ICP备18060230号-3    营业执照    经营许可证:京B2-20212637