Statistica moderna: Un approccio informatico con Python

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 3 voti.

Titolo originale:

Modern Statistics: A Computer-Based Approach with Python

Contenuto del libro:

Questo testo innovativo presenta il materiale per un corso di statistica moderna che incorpora Python come risorsa pedagogica e pratica. Basandosi su molti anni di insegnamento e di ricerca in vari contesti applicativi e industriali, gli autori hanno accuratamente adattato il testo per fornire un equilibrio ideale tra teoria e applicazioni pratiche. Numerosi esempi e casi di studio sono incorporati in tutto il testo e le applicazioni Python sono illustrate in dettaglio. È disponibile per il download un pacchetto Python personalizzato che consente agli studenti di riprodurre questi esempi e di esplorarne altri.

I primi capitoli del testo si concentrano sull'analisi della variabilità, sui modelli di probabilità e sulle funzioni di distribuzione. Successivamente, gli autori introducono l'inferenza statistica e il bootstrapping, la variabilità in diverse dimensioni e i modelli di regressione. Il testo passa poi a trattare il campionamento per la stima di quantità finite della popolazione e l'analisi e la previsione delle serie temporali, concludendo con due capitoli sui moderni metodi di analisi dei dati. Ogni capitolo include esercizi, serie di dati e applicazioni per completare l'apprendimento.

Statistica moderna: A Computer-Based Approach with Python è destinato a un corso avanzato di uno o due semestri per laureati o diplomati. Data la natura fondamentale del testo, può essere abbinato a qualsiasi programma che richieda l'analisi dei dati nel suo curriculum, come ad esempio i corsi di scienza dei dati, statistica industriale, scienze fisiche e sociali e ingegneria. Anche i ricercatori, i professionisti e gli scienziati dei dati troveranno una risorsa utile grazie alle numerose applicazioni e ai casi di studio inclusi.

Un secondo libro di testo, strettamente correlato, si intitola Industrial Statistics: A Computer-Based Approach with Python. Copre argomenti come il controllo statistico dei processi, compresi i metodi multivariati, la progettazione di esperimenti, compresi gli esperimenti al computer e i metodi di affidabilità, compresa l'affidabilità bayesiana. Questi testi possono essere utilizzati indipendentemente o per corsi consecutivi.

Il pacchetto Python di mistat è accessibile all'indirizzo https: //gedeck. github. io/mistat-code-solutions/ModernStatistics/.

In questo libro sulla Statistica moderna, gli ultimi due capitoli sui metodi analitici moderni contengono ciò che è molto popolare al momento, soprattutto nel Machine Learning, come i classificatori, i metodi di clustering e l'analisi del testo. Ma apprezzo anche i capitoli precedenti, poiché ritengo che chi utilizza i metodi di apprendimento automatico debba essere consapevole del fatto che essi si basano in larga misura su quelli statistici. Ho apprezzato molto i numerosi casi pratici, basati sulla lunga esperienza degli autori. Sono molto utili per comprendere meglio, e quindi applicare, i metodi presentati nel libro. L'uso di Python corrisponde alla migliore esperienza di programmazione attuale. Per tutti questi motivi, ritengo che il libro abbia anche un futuro brillante e d'impatto e mi congratulo con gli autori per questo.

Professor Fabrizio RuggeriDirettore di ricerca presso il Consiglio Nazionale delle Ricerche, ItaliaPresidente dell'International Society for Business and Industrial Statistics (ISBIS)Direttore di Applied Stochastic Models in Business and Industry (ASMBI)