Statistik-Workshop für Programmierer

Front Cover
O'Reilly Germany, 2012 - Computers - 138 pages

Wenn Sie programmieren konnen, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einfuhrung in die Statistik zeigt Ihnen, wie Sie rechnergestutzt, anstatt auf mathematischem Weg Datenanalysen mit Python durchfuhren konnen. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch fuhrt Sie anhand eines durchgangigen Fallbeispiels durch eine vollstandige Datenanalyse -- von der Datensammlung uber die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmoglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie uber das Schreiben und Testen von Code ein Verstandnis fur die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Uberprufen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zuganglich sind. Lernen Sie etwas uber Themen, die in Einfuhrungen ublicherweise nicht vermittelt werden, beispielsweise uber die Bayessche Schatzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.

 

Contents

Kapitel 1 Statistisches Denken für Programmierer
1
Kapitel 2 Deskriptive Statistik
13
Kapitel 3 Kumulative Verteilungsfunktionen
29
Kapitel 4 Kontinuierliche Verteilungen
43
Kapitel 5 Wahrscheinlichkeit
59
Kapitel 6 Operationen für Verteilungen
75
Kapitel 7 Hypothesentesten
89
Kapitel 8 Schätzung
103
Kapitel 9 Korrelation
117
Index
133
Copyright

Other editions - View all

Common terms and phrases

A-posteriori-Verteilung A-priori-Wahrscheinlichkeit Abbildung Abschnitt Abweichung allerdings anschließend Anzahl Ausreißer bayessche bayessche Schätzung Bayestheorem Befunds beiden Beispiel beispielsweise beobachteter Effekt berechnen berechnet besteht bestimmten beträgt bezeichnet Buch CCDF Chance Code Datei Daten Datensatz Durchgänge einfach engl entspricht Ereignisse Ergebnis Erlang-Verteilung erst erstgeborene Kinder erzeugen Exponentialverteilung Fall float Funktion Geburtsgewicht gibt gleiche Glossar groß Gruppen Häufigkeit heißt Hist-Objekt Histogramme Hypothese Hypothesentest Kapitel Kennwert Klasse Konfidenzintervalle könnten kontinuierliche Verteilung Körpergröße Korrelation Lebendgeburten Likelihood linearen Log-Normalverteilung Lokomotive Lösung finden Median Methode mithilfe Mittelwert mittlere quadratische Abweichung Modell nachgeborenen Kindern Namen Normalverteilung NSFG NSFG-Daten Nullhypothese numerisch p-Wert Parameter Pareto-Verteilung Perzentil plotten Pmf-Objekt PMFs Population Prozentrang pyplot return Rückgabe Schätzer Schätzung Schreiben Schwangerschaftsdauer Sequenz siehe signifikant später zur Welt Standardabweichung Stichprobe Stichprobenmittelwert Streudiagramm tatsächlich Test Tipp übernimmt überprüfen Übung unserem Unterschied Variablen Varianz viele vielleicht Wahrscheinlichkeit Wahrscheinlichkeitsmassefunktionen Weibull-Verteilung Wert Woche zentrale Grenzwertsatz Zufall Zufallsvariablen Zufallswert zurückgibt zusammenfassende Statistik zwei Zwischenankunftszeiten

About the author (2012)

Allen Downey is an Associate Professor of Computer Science at the Olin College of Engineering. He has taught computer science at Wellesley College, Colby College and U.C. Berkeley. He has a Ph.D. in Computer Science from U.C. Berkeley and Master's and Bachelor's degrees from MIT.

Bibliographic information