파이썬 코드로 풀어보는 친절한 통계학 입문서 콘텐츠 추천, 데이터 분석 등 현대 사회의 중요한 의사결정은 통계를 기반으로 이루어진다. 하지만 통계학의 수식과 이론만으로는 그 개념이 잘 와닿지 않을 때가 많다. 이 책은 그러한 어려움을 덜어주고자 이론과 더불어 파이썬 코드와 실습을 통해 직관적으로 이해할 수 있는 길을 안내한다. 넘파이와 팬더스 라이브러리로 데이터를 분석하고, 맷플롯립과 시본을 이용해 데이터를 시각화한다. 기술통계, 확률과 분포, 통계적 추정, 가설검정 등 통계의 기본을 다지고 나아가 머신러닝과의 접점까지 살펴본다. 이론에만 머무르지 않고 실제 데이터를 분석하며 통계 이론을 익히는 방식은 통계를 학습하는 데 큰 도움이 될 것이다. 통계가 어렵게만 느껴졌다면 이 책으로 시작해보자.
2014년 홋카이도 대학 수산과학원 수료 후 Logics of Blue(https://logics-of-blue.com/) 웹사이트를 관리하면서 통계학, 예측 분석, 파이썬, R 관련 자료를 꾸준히 올린다. 저서로는 『RとStanではじめる ベイズ統計モデリングによるデ?タ分析入門』(講談社, 2019), 『平均·分散から始める一般化線形モデル入門』(プレアデス出版, 2015), 『時系列分析と?態空間モデルの基礎: Rと Stanで?ぶ理論と??』(プレアデス出版, 2018)이 있다.
CHAPTER 1 통계학 기본_1.1 통계학_1.2 왜 기술통계가 필요한가_1.3 왜 추론통계가 필요한가CHAPTER 2 파이썬과 주피터 노트북_2.1 환경 구축_2.2 주피터 노트북_2.3 파이썬 프로그래밍_2.4 넘파이와 팬더스CHAPTER 3 기술통계_3.1 데이터 분류_3.2 수식을 읽는 방법_3.3 도수분포_3.4 1변량 데이터 통계량_3.5 다변량 데이터 통계량_3.6 층화분석_3.7 그래프 활용CHAPTER 4 확률과 확률분포_4.1 확률론_4.2 확률분포_4.3 이항분포_4.4 정규분포CHAPTER 5 통계적 추정_5.1 통계적 추론의 개념_5.2 모집단에서 표본추출 시뮬레이션_5.3 모평균 추정_5.4 모분산 추정_5.5 정규모집단에서 파생된 확률분포_5.6 구간추정CHAPTER 6 통계적 가설검정_6.1 모평균에 대한 단일표본 t검정_6.2 평균값 차이 검정_6.3 분할표 검정_6.4 검정 결과 해석CHAPTER 7 통계모델_7.1 통계모델 기본_7.2 선형모델을 만드는 방법_7.3 데이터 표현과 모델 명칭_7.4 파라미터 추정: 가능도 최대화_7.5 파라미터 추정: 손실 최소화_7.6 예측 정확도 평가와 변수 선택CHAPTER 8 정규선형모델_8.1 연속형 독립변수가 하나인 모델: 단순회귀_8.2 정규선형모델 평가_8.3 분산분석_8.4 독립변수가 여럿인 모델CHAPTER 9 일반화선형모델_9.1 일반화선형모델 기본_9.2 로지스틱 회귀_9.3 일반화선형모델 평가_9.4 푸아송 회귀CHAPTER 10 통계학과 머신러닝_10.1 머신러닝 기본_10.2 정규화와 리지 회귀, 라소 회귀_10.3 파이썬을 이용한 리지 회귀와 라소 회귀_10.4 선형모델과 신경망
