https://link.springer.com/book/10.1007/978-3-031-07566-7
文本的第一章着重于分析可变性,概率模型和分布函数。接下来,作者介绍了统计推理和自举,以及几个维度的可变性和回归模型。然后,文本继续覆盖有限人口数量估计的抽样和时间序列分析和预测,以两章现代数据分析方法结束。每一章包括练习、数据集和应用程序来补充学习。
《现代统计学:使用Python的计算机方法》适用于一到两个学期的高级本科或研究生课程。由于文本的基础性质,它可以与任何课程中需要数据分析的课程结合,如数据科学、工业统计、物理和社会科学以及工程课程。研究人员、实践者和数据科学家也会发现它是一个有用的资源,包含了大量的应用程序和案例研究。
另一本与此密切相关的教科书是《工业统计:使用Python的计算机方法》。它涵盖了统计过程控制(包括多元方法)、实验设计(包括计算机实验)和可靠性方法(包括贝叶斯可靠性)等主题。这些教材可以单独使用,也可以用于连续的课程。
mistat Python包可以在https://gedeck.github.io/mistat-code-solutions/ModernStatistics/上访问。