书籍详情
![《概率与统计计算机科学视角》[24M]百度网盘|亲测有效|pdf下载](/uploads/2024-01-20/b4384c87b25a0458.jpg)
概率与统计计算机科学视角
- 出版社:万里路图书专营店
- 出版时间:2022-01
- 热度:12446
- 上架时间:2024-06-30 09:38:03
- 价格:0.0
书籍下载
书籍预览
免责声明
本站支持尊重有效期内的版权/著作权,所有的资源均来自于互联网网友分享或网盘资源，一旦发现资源涉及侵权，将立即删除。希望所有用户一同监督并反馈问题，如有侵权请联系站长或发送邮件到ebook666@outlook.com,本站将立马改正
内容介绍
作 者:(美)大卫·福赛斯 著 张文博,周清,杨建奎 译
定 价:139
出 版 社:机械工业出版社
出版日期:2022年01月01日
页 数:384
装 帧:平装
ISBN:9787111695844
本书是一本面向计算机科学专业学生的概率统计教材。书中全面介绍了定性和定量数据分析、概率论、随机变量以及包括机器学习在内的统计方法。 全书包含丰富的图示，重点章节都包含大量的实例，以及许多其他教学元素，如流程、定义、有用的事实及注记（小技巧）。部分章节末尾附有“问题”和“编程练习”，帮助读者巩固应该掌握的要点。本书特色 ·侧重介绍离散情形的随机变量和期望。 ·以实用的方式介绍仿真，表明有多少感兴趣的概率和期望可以被提取，并着重介绍马尔可夫链。 ·简明而清晰地阐释简单情形的点推断策略（极大似然、贝等
●前言
致谢
作者简介
符号和约定
第一部分 数据集的描述
第1章 查看数据的第一个工具
1.1 数据集
1.2 正在发生什么？绘制数据的图形
1.2.1 条形图
1.2.2 直方图
1.2.3 如何制作直方图
1.2.4 条件直方图
1.3 汇总一维数据
1.3.1 均值
1.3.2 标准差
1.3.3 在线计算均值和标准差
1.3.4 方差
1.3.5 中位数
1.3.6 四分位距
1.3.7 合理使用汇总数据
1.4 图形和总结
1.4.1 直方图的一些性质
1.4.2 标准坐标和正态数据
1.4.3 箱形图
1.5 谁的更大？澳大利亚比萨调查
问题
编程练习
第2章 关注关系
2.1 二维数据绘图
2.1.1 分类数据、计数和图表
2.1.2 序列
2.1.3 空间数据散点图
2.1.4 用散点图揭示关系
2.2 相关
2.2.1 相关系数
2.2.2 用相关性预测
2.2.3 相关性带来的困惑
2.3 野生马群中的不育公马
问题
编程练习
第二部分 概率
第3章 概率论基础
3.1 实验、结果和概率
3.2 事件
3.2.1 通过计数结果来计算事件
3.2.2 事件概率
3.2.3 通过对集合的推理来计算概率
3.3 独立性
3.4 条件概率
3.4.1 计算条件概率
3.4.2 检测罕见事件是困难的
……
第三部分 推断
第四部分 工具
第五部分 其他数学知识
致谢
作者简介
符号和约定
第一部分 数据集的描述
第1章 查看数据的第一个工具
1.1 数据集
1.2 正在发生什么？绘制数据的图形
1.2.1 条形图
1.2.2 直方图
1.2.3 如何制作直方图
1.2.4 条件直方图
1.3 汇总一维数据
1.3.1 均值
1.3.2 标准差
1.3.3 在线计算均值和标准差
1.3.4 方差
1.3.5 中位数
1.3.6 四分位距
1.3.7 合理使用汇总数据
1.4 图形和总结
1.4.1 直方图的一些性质
1.4.2 标准坐标和正态数据
1.4.3 箱形图
1.5 谁的更大？澳大利亚比萨调查
问题
编程练习
第2章 关注关系
2.1 二维数据绘图
2.1.1 分类数据、计数和图表
2.1.2 序列
2.1.3 空间数据散点图
2.1.4 用散点图揭示关系
2.2 相关
2.2.1 相关系数
2.2.2 用相关性预测
2.2.3 相关性带来的困惑
2.3 野生马群中的不育公马
问题
编程练习
第二部分 概率
第3章 概率论基础
3.1 实验、结果和概率
3.2 事件
3.2.1 通过计数结果来计算事件
3.2.2 事件概率
3.2.3 通过对集合的推理来计算概率
3.3 独立性
3.4 条件概率
3.4.1 计算条件概率
3.4.2 检测罕见事件是困难的
……
第三部分 推断
第四部分 工具
第五部分 其他数学知识
本书面向计算机科学专业的本科生，全面系统地阐述概率与统计相关知识，旨在揭示概率和统计的思想。全书共分为五部分：第一部分——数据集的描述，涵盖各种描述性统计量（均值、标准差、方差）、一维数据集的可视化方法，以及散点图、相关性和二维数据集的描述；第二部分——概率，涵盖离散型概率、条件概率、连续型概率、马尔可夫不等式、切比雪夫不等式及弱大数定律等；第三部分——推断，涵盖样本、总体、置信区间、统计显著性、实验设计、方差分析和简单贝叶斯推断等；第四部分——工具，涵盖主成分分析、最近邻分类、朴素贝叶斯分类、k均值聚类、线性回归、隐马尔可夫模型等；第五部分——其他数学知识，汇总了一些有用的数学事实。