이론이나 수식을 몰라도 파이썬 함수로 이해하는 통계학

데이터 분석에 관심이 높아지면서 통계학이 주목받고 있다. 이 책은 데이터 분석 관점에서 통계학을 설명한다. 어려운 통계학 개념을 이론, 수식, 파이썬 코드로 세 번 살펴본다. 한 번 보고 완전히 이해하지 못해도 여러 번 반복 설명하므로 읽는 동안 점점 이해도가 올라간다. 단순한 기술 설명뿐 아니라 예측에 사용하는 분석용 통계학과 머신러닝의 관계까지 알아본다.

2014년 홋카이도 대학 수산과학원 수료 후 Logics of Blue(https://logics-of-blue.com/) 웹사이트를 관리하면서 통계학, 예측 분석, 파이썬, R 관련 자료를 꾸준히 올린다. 저서로는 『RとStanではじめる ベイズ統計モデリングによるデ?タ分析入門』(講談社, 2019), 『平均·分散から始める一般化線形モデル入門』(プレアデス出版, 2015), 『時系列分析と?態空間モデルの基礎: Rと Stanで?ぶ理論と??』(プレアデス出版, 2018)이 있다.

CHAPTER 1 통계학 기본
1.1 통계학
1.2 표본을 얻는 과정
1.3 표본을 얻는 과정의 추상화
1.4 기술통계 기초
1.5 모집단분포 추정
1.6 확률질량함수와 확률밀도함수
1.7 통계량 계산
1.8 확률론 기본
1.9 확률변수와 확률분포

CHAPTER 2 파이썬과 주피터 노트북 기초
2.1 환경 구축
2.2 주피터 노트북 기본
2.3 파이썬 프로그래밍 기본
2.4 numpy와 pandas 기본

CHAPTER 3 파이썬을 이용한 데이터 분석
3.1 파이썬을 이용한 기술통계: 1변량 데이터
3.2 파이썬을 이용한 기술통계: 다변량 데이터
3.3 matplotlib과 seaborn을 이용한 데이터 시각화
3.4 모집단에서 표본 추출 시뮬레이션
3.5 표본 통계량 성질
3.6 정규분포와 응용
3.7 추정
3.8 통계적가설검정
3.9 평균값의 차이 검정
3.10 분할표 검정
3.11 검정 결과 해석

CHAPTER 4 통계모델 기본
4.1 통계모델
4.2 통계모델을 만드는 방법
4.3 데이터의 표현과 모델의 명칭
4.4 파라미터 추정: 우도의 최대화
4.5 파라미터 추정: 손실의 최소화
4.6 예측 정확도의 평가와 변수 선택

CHAPTER 5 정규선형모델
5.1 연속형 독립변수가 하나인 모델(단순회귀)
5.2 분산분석
5.3 독립변수가 여럿인 모델

CHAPTER 6 일반선형모델
6.1 여러 가지 확률분포
6.2 일반선형모델의 기본
6.3 로지스틱 회귀
6.4 일반선형모델의 평가
6.5 푸아송 회귀

CHAPTER 7 통계학과 머신러닝
7.1 머신러닝 기본
7.2 정규화와 리지 회귀, 라소 회귀
7.3 파이썬을 이용한 리지 회귀와 라소 회귀
7.4 선형모델과 신경망
7.5 이 책 다음으로 배울 것