内容

目次

第1章　データの準備 1.1 データの種類 1.2 データファイル 1.3 有効数字と端数処理（丸め） 第2章　Python の導入 2.1 Jupyter Notebook の導入 2.2 最初の一歩 2.3 浮動小数点数 第3章　データの可視化 3.1 データファイルの読み込み 3.2 1変量データの可視化：ヒストグラム 3.3 2変量データの可視化：散布図 3.4 グラフの描画 3.5 DataFrame に関するヒント 3.6 Python の配列 第4章　基本的な統計量 4.1 1変量データの統計量 4.2 2変量データの基本的な統計量 4.3 Python による統計量の計算 4.4 Python による度数分布表 第5章　確率モデル 5.1 事象と確率 5.2 事象の演算 5.3 確率変数 5.4 確率変数の平均値と分散 5.5 2つの確率変数 5.6 確率の公理 第6章　条件付き確率と独立性 6.1 条件付き確率 6.2 ベイズの公式 6.3 事象の独立性 6.4 独立な確率変数 第7章　主要な確率分布 7.1 離散分布 7.2 連続分布 第8章　極限定理とシミュレーション 8.1 乱数 8.2 大数の法則 8.3 中心極限定理 8.4 ランダムウォーク 第9章　母数の推定 9.1 母集団と標本 9.2 不偏推定量 9.3 最尤推定量 9.4 区間推定 第10章　仮説検定 10.1 基本的な考え方 10.2 2種類の誤り 10.3 正規母集団に関する検定 10.4 母平均の差の検定 10.5 ノンパラメトリック検定 10.6 カイ二乗検定 第11章　回帰分析 11.1 単回帰分析 11.2 重回帰分析 11.3 フラミンガム研究データの重回帰分析 11.4 ロジスティック回帰モデル 11.5 新生児脳症データのロジスティック回帰分析 11.6 回帰モデルの広がり 参考文献 略解 索引