Praktische Statistik für Data Scientists

• Verfasst von: Bruce, Peter C. [VerfasserIn]
• Verfasst von: Bruce, Andrew [VerfasserIn]
• Verfasst von: Gedeck, Peter [VerfasserIn]
• Titel: Praktische Statistik für Data Scientists
• Titelzusatz: 50+ essenzielle Konzepte mit R und Python
• Mitwirkende: Fraaß, Marcus [ÜbersetzerIn]
• Werktitel: Practical statistics for data scientists
• Verf.angabe: Peter Bruce, Andrew Bruce & Peter Gedeck ; deutsche Übersetzung von Marcus Fraaß
• Ausgabe: 1. Auflage
• Verlagsort: Heidelberg
• Verlag: O'Reilly
• E-Jahr: 2021
• Jahr: [2021]
• Umfang: XV, 356 Seiten
• Illustrationen: Diagramme, Illustrationen
• Format: 24 cm x 16.5 cm
• Fussnoten: "Übersetzung der 2. Auflage" - Umschlag ; Literaturverzeichnis: Seite 339-340
• ISBN: 978-3-96009-153-0
• ISBN: 3-96009-153-2
• Schlagwörter: (s)Data Science / (s)Big Data / (s)Statistik / (s)Datenanalyse / (s)R <Programm> / (s)Python <Programmiersprache>
• Sprache: ger
• Bibliogr. Hinweis: Übersetzung von
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe: Bruce, Peter C., 1953 - : Praktische Statistik für Data Scientists. - 1. Auflage. - Heidelberg : O'Reilly, 2021. - 1 Online-Ressource (XV, 356 Seiten)
• Bibliogr. Hinweis: Erscheint auch als : Online-Ausgabe: Bruce, Peter C., 1953 - : Praktische Statistik für Data Scientists. - 1. Auflage. - Heidelberg : o'Reilly, 2021. - 1 Online-Ressource (374 Seiten)
• RVK-Notation: ST 250
• RVK-Notation: ST 600
• RVK-Notation: SK 840
• K10plus-PPN: 1737816415

Abstract

Intro -- Inhalt -- Vorwort -- Kapitel 1: Explorative Datenanalyse -- Strukturierte Datentypen -- Weiterführende Literatur -- Tabellarische Daten -- Data Frames und Tabellen -- Nicht tabellarische Datenstrukturen -- Weiterführende Literatur -- Lagemaße -- Mittelwert -- Median und andere robuste Lagemaße -- Beispiel: Lagemaße für Einwohnerzahlen und Mordraten -- Weiterführende Literatur -- Streuungsmaße -- Standardabweichung und ähnliche Maße -- Streuungsmaße auf Basis von Perzentilen -- Beispiel: Streuungsmaße für die Einwohnerzahlen der Bundesstaaten in den USA -- Weiterführende Literatur -- Exploration der Datenverteilung -- Perzentile und Box-Plots -- Häufigkeitstabellen und Histogramme -- Dichtediagramme und -schätzer -- Weiterführende Literatur -- Binäre und kategoriale Daten untersuchen -- Modus -- Erwartungswert -- Wahrscheinlichkeiten -- Weiterführende Literatur -- Korrelation -- Streudiagramme -- Weiterführende Literatur -- Zwei oder mehr Variablen untersuchen -- Hexagonal-Binning- und Konturdiagramme (Diagramme für mehrere numerische Variablen) -- Zwei kategoriale Variablen -- Kategoriale und numerische Variablen -- Mehrere Variablen visualisieren -- Weiterführende Literatur -- Zusammenfassung -- Kapitel 2: Daten- und Stichprobenverteilungen -- Zufallsstichprobenziehung und Stichprobenverzerrung -- Verzerrung -- Zufallsauswahl -- Größe versus Qualität: Wann spielt die Stichprobengröße eine Rolle? -- Unterschied zwischen dem Stichproben- und dem Populationsmittelwert -- Weiterführende Literatur -- Auswahlverzerrung -- Regression zur Mitte -- Weiterführende Literatur -- Stichprobenverteilung einer statistischen Größe -- Zentraler Grenzwertsatz -- Standardfehler -- Weiterführende Literatur -- Bootstrap-Verfahren -- Unterschiede zwischen Resampling und dem Bootstrap-Verfahren -- Weiterführende Literatur -- Konfidenzintervalle.

Abstract

Statistische Konzepte aus der Perspektive von Data Scientists erläutert Das Buch stellt die Verbindung zwischen nützlichen statistischen Prinzipien und der heutigen Datenanalyse-Praxis her Ermöglicht Data Scientists, ihr Wissen über Statistik auf ein neues Level zu bringen Übersetzung der 2. Auflage des US-Bestsellers mit Beispielen in Python und R Statistische Methoden sind ein zentraler Bestandteil der Arbeit mit Daten, doch nur wenige Data Scientists haben eine formale statistische Ausbildung. In Kursen und Büchern über die Grundlagen der Statistik wird das Thema aber selten aus der Sicht von Data Scientists behandelt. Viele stellen daher fest, dass ihnen eine tiefere statistische Perspektive auf ihre Daten fehlt.Dieses praxisorientierte Handbuch mit zahlreichen Beispielen in Python und R erklärt Ihnen, wie Sie verschiedene statistische Methoden speziell in den Datenwissenschaften anwenden. Es zeigt Ihnen auch, wie Sie den falschen Gebrauch von statistischen Methoden vermeiden können, und gibt Ratschläge, welche statistischen Konzepte für die Datenwissenschaften besonders relevant sind. Wenn Sie mit R oder Python vertraut sind, ermöglicht diese zugängliche, gut lesbare Referenz es Ihnen, Ihr statistisches Wissen für die Praxis deutlich auszubauen.