前言

本書是統(tǒng)計學的入門書，為大家介紹用 Python 實現(xiàn)的分析方法，主要內容為以下 3 點。

• 如何分析數(shù)據(jù)？
• 使用某種方法為什么會更好？
• 如何用 Python 進行分析？

本書將花費大量篇幅講解統(tǒng)計學的基礎知識，盡量避免介紹對初學者意義不大的經驗技巧。

書中也會介紹如何用 Python 進行統(tǒng)計分析。

Python 的語法比較簡單，可以通過簡短的代碼實現(xiàn)復雜的分析。另外，Python 也非常適合用于機器學習。因此，通過用 Python 學統(tǒng)計學，將有助于從統(tǒng)計學基礎到機器學習的過渡。

 

統(tǒng)計學往往被認為很難學，其原因有很多：不理解術語、不懂公式、比喻表達難理解等。為了避免這些問題，本書將從文字說明、公式和 Python 代碼 3 個維度來講解相同的內容，以幫助讀者加深理解。

統(tǒng)計學的一大難點就是需要理解很多概念，還要理解各概念之間的聯(lián)系。本書在寫作過程中盡可能地將這些概念串聯(lián)在一起，目錄也十分詳盡，讀者可以直觀地把握自己的學習進度。

另外，本書還將介紹一些比較新興的內容，以使讀者不僅掌握用于描述數(shù)據(jù)的分析方法，還能掌握用于預測數(shù)據(jù)的分析方法。本書的一個目標是讓讀者了解統(tǒng)計學的全貌，為此，在個別地方可能表達不夠嚴謹。書中適當?shù)亟o出了參考文獻，并在最后給出了建議讀者繼續(xù)深入閱讀的書目，因此，本書也起到了橋梁的作用，希望讀者在讀完本書之后，能夠更順暢地閱讀難度更高的文獻。

 

第 1 章和第 2 章將分別介紹統(tǒng)計學和 Python 的基礎知識。

第 3 章將介紹如何用 Python 進行統(tǒng)計分析，主要內容有參數(shù)估計和假設檢驗等統(tǒng)計學入門知識。讀者可結合 Python 實現(xiàn)來學習。本章還將介紹分析結果的描述方式等非常實用的內容，以供在實驗和研究中使用假設檢驗的讀者參考。

第 4~6 章將介紹統(tǒng)計模型及使用統(tǒng)計學進行預測的方法。第 4 章介紹統(tǒng)計模型的基礎，第 5 章介紹正態(tài)線性模型，第 6 章介紹對正太線性模型進行了擴展的廣義線性模型。

第 7 章將介紹統(tǒng)計學和機器學習的關系。機器學習具有比統(tǒng)計模型更強的“預測”能力。在介紹統(tǒng)計學和機器學習的關系之后，還將介紹正則化和神經網(wǎng)絡。

 

本書是從統(tǒng)計學的基礎知識講起的，所以讀者可以從頭開始學習統(tǒng)計預測的方法。只要理解了什么是統(tǒng)計預測，什么是好的預測，就能夠擺脫“只會調用機器學習庫”的困境。

統(tǒng)計學是方便的工具，講解統(tǒng)計學的圖書也應該是方便的工具。

希望本書能夠成為你的得力助手。

 

致謝

感謝本書編輯綠川老師自策劃階段給予的諸多關照，沒有他就沒有本書的問世，在此深表謝意。