A. 有哪位前辈能告诉我几本好一点的‘统计学’方面的书籍,能增加个人对数据的敏感性。在此先感谢了!
重庆大学出版社《量化研究与统计分析》(万卷方法——统计分析)
中国人民大学出版社 《运用回归分析》
中共人民大学出版社 伍德里奇 《计量经济学导论》
谢宇 《线性回归》
B. 有没有人有相对完整的社会统计学复习资料或提纲
课后复习时还可看一些参考材料。参考材料要精选,不宜多,最好每科选一本。看参考材料要和课堂学习同步进行,即围绕老师讲课中心内容或自己不懂的地方,作为看的重点。还要和教材对照起来看,以掌握教材知识为主,适当加深加宽对书本知识的理解。
C. 求书一本《统计学方法与数据分析引论(上下原书第5版》书号03-010815-9,
新华书店难道没有吗?
D. 《统计学习方法》pdf下载在线阅读,求百度网盘云资源
《统计学习方法》(李航)电子书网盘下载免费在线阅读
资源链接:
链接:https://pan..com/s/1Yaf35h1lwHGn3AdbMRCMGA
书名:统计学习方法
作者:李航
豆瓣评分:9.0
出版社:清华大学出版社
出版年份:2012-3
页数:235
内容简介:
详细介绍支持向量机、Boosting、最大熵、条件随机场等十个统计学习方法。
作者简介:
李航 日本京都大学电气工程系毕业,日本东京大学计算机科学博士。曾任职于日本NEC公司中央研究所,微软亚洲研究院高级研究员及主任研究员,现任华为诺亚方舟实验室首席科学家。北京大学、南开大学、西安交通大学客座教授。研究方向包括信息检索、自然语言处理、统计机器学习及数据挖掘。
E. 统计学方法与数据分析学习笔记1
统计学方法与数据分析学习笔记1
用于质量改进和再造工程的统计工具、技术和方法:
直方图
数值描述量(均值、标准差、比例等)
散点图
线图(在散点图中用线连接各点)
控制图:(样本均值),r(样本极差),及s(样本标准差)
抽样方案
试验设计
收集数据要有意识的做好以下几步:
详细说明研究、调查或试验的目标
确定所关心的变量
为调查或科学研究选择适当的设计方案
收集数据
抽样的方法:
简单随机抽样
分层随机抽样
比估计
整体抽样
系统抽样
统计领域可以分为两个主要分支:描述统计与推断统计
适当的概括性度量可以为原始测量值的集合提供一幅良好的、粗线条的描绘。通过把一大堆测量值缩减到几个这样的描述性统计量,我们可以理解数据所包含的信息
单个变量的数据数值描述性度量
最常用的两类数值描述性度量是 中心趋势度量 和 变异性度量。也就是说,我们希望描述测量值分布的中心,并弄清测量值是如何相对于分布中心变化的。为了把总体的数值描述性度量和样本的数值描述性度量区别开来,称前者为 参数,后者为 统计量。在统计推断的有关问题中,不能计算各种参数的数值,但可以计算来自样本的相应的统计量,并用得到的数值去估计相应的总体参数。
中心趋势度量
众数
中位数
算术平均值
均值 是对一组测量值中心的常用的度量,但它会由于在集合中一个或多个极端值的出现而发生失真。在这样的情况下,极端值(又称作 离群值)会使均值偏向自己一方以找到数据的平衡点,因此而歪曲了均值最为中心值度量的意义。对均值的一种变通方法是截尾均值,即去掉最大和最小的若干数值,对其余的数作平均。
记 众数Mo 中位数Md 均值μ 截尾均值TM
这些中心趋势度量之间有何联系
答案依赖于数据的 偏倚程度(偏度)
要记住的重要一点是:我们不能局限于仅用一种中心趋势度量。对某些数据集合,有必要用多种度量,才能对数据的中心趋势做出准确的描述性的概括。
变异性度量:
极差 最大与最小的差值
百分位数 n个按大小排列的测量值集合的p%分位数 是指这样的一个数值,集合中至多 p%的测量值比它小,有至多(100-p)%的测量值比它大。
四分位数间距(IQR)
指在四分之三和四分之一分数位之间的差异,即
IQR = 75%的分位数 - 25%的分位数
离差 (测量值与平均值的差)
方差
标准差
变异系数 = 标准差/|均值|
F. 《统计学方法与数据分析引论》那里有的买
那去当地的新华书店吧,去一些考试书店。好好找一找,现在通过乐益网去卓越网当当购物即可得到现金返点。
G. 统计学方法与数据分析引论 好吗
统计学方法在大数据分析中是有用的,统计学是通过搜索、整理、分析数据等手段,以达到推断所测对象的本质,甚至预测对象未来的一门综合性科学。其中用到了大量的数学及其它学科的专业知识,它的使用范围几乎覆盖了社会科学和自然科学的各个领域。
大数据只是数据量大,不代表我们能观测到总体。有的时候,总体是可测的。但在更多时候,总体从理论上就是无法观测的。这时统计学就是必须的,它帮我们从数据里还原出数据背后的真实,如同感官将显象背后的物自体呈现给人类理性。
随着数据挖掘技术的发展,数据的获取自然会越来越容易,但统计学作为从数据中读取信息的科学,应该永远和获取数据的学问相伴相生。