파이썬과 함계하는 통계입문

목 차
파이썬과 함께하는 통계입문
저자소개
들어가는 말
1장 파이썬의 설치와 기본 구조
1.1 파이썬의 설치와 구성
1.2 기본 자료형
리스트와 튜플
사전(dictionary)
1.3 조건문과 반복문
if 조건문
반복문 (LOOP 문)
for 문
while 문
break문과 continue 문
list comprehension
2 코딩 연습
2.1 반복문과 조건문의 적용
일정구간 공배수(Common Multiple)의 합
최소공배수 (Least Common Multiple)
약수(Factor)
공약수와 최대공약수 (Greatest Common Factors)
솟수와 소인수 (Prime, Prime Factor)
솟수
소인수 (Prime Factor)
피보나치 수열 생성(Fibonacci Sequence)
객체를 구성하는 각 숫자의 합
21000의 각 수의 합?
2.2 재귀함수
팩토리얼(factorial)
경우의 수 (Number of Case)
조합 (Combination)
순열(Permutation)
회문(palindrome)
거듭제곱
2.3 검색과 정렬의 알고리즘
선형 검색(linear search)
이진검색(Binary Search)
버블 정렬(Bubble Sort)
선택 정렬 (Selection Sort)
선택정렬의 응용- 최소값, 최대값 찾기
삽입정렬 (Insert Sort)
정렬된 객체에 다른 원소나 객체의 삽입
병합정렬(Merge sort)과 빠른정렬(Quick sort)
병합정렬
빠른 정렬
3장 파이썬과 통계
3.1 배열 객체
3.1.1 numpy 객체
numpy 객체의 원소 호출, 수정
3.1.2 pandas 객체
pandas 객체의 원소 호출
3.1.3 객체의 차원과 축
배열의 차원
3.1.4 랜덤수 생성
3.2 배열의 연산과 정렬
3.2.1 배열의 연산
브로드캐스팅(Broadcasting)
놈(norm)
행렬곱 (matrix product)
3.2.2 검색과 정렬
3.3 자료의 정리
3.3.1 데이터
3.3.2 기술통계
데이터크기
데이터의 합
최소값, 최대값, 4분위수
위치(location)
표준편차와 분산
도수 분포와 히스토그램
줄기-잎 도표(stem-leaf plot)
박스플롯
3.4 확률
3.4.1 확률의 기본적 생각
1. 빈도적 해석
2. 주관적 해석 (Bayesian 해석)
3 조건부확률(conditional probability)
4. 결합확률
5. 독립과 조건독립
6. 이항정리
3.4.2 확률의 기본 개념 적용
조건부확률
3.4.3 베이즈 정리
3.5 확률변수와 확률분포
3.5.1 이산확률변수와 분포
3.5.2 이항분포
3.5.3 연속확률변수
3.5.4 표본 통계량과 정규분포
신뢰구간 (Confidence Interval)
3.5.5 다양한 분포
t-분포
감마분포(Gamma distribution)
카이제곱분포(chi-squared distribution, χ²분포)
F분포(F distribution)
3.6 통계적 추론(statistical inference)
3.6.1 추정
모수에 대한 점추정
모수에 대한 구간추정
3.6.2 가설 검정
단측검정과 양측검정
오류(Error)와 유의확률
3.7 두 독립집단의 비교
3.7.1 소규모 표본
3.7.2 소규모표본에서 모집단의 분산이 다른 경우
3.7.3 대규모 표본
3.7.4 짝비교(Pair analysis)
3.8 분산분석(Analysis of variance)
3.8.1 ANOVA
statsmodels 패키지와 사후검정
3.9.2 이원분산분석
3.9 상관분석과 회귀분석
3.9.1 상관분석(Correlation analysis)
상관계수
공분산 행렬
상관분석
3.9.2 회귀분석(Regression analysis)
회귀계수의 추정
모형의 평가
회귀계수의 평가
모형의 평가
부록A. 특정자료 만들기
일별자료를 월별자료로 구분
일일자료를 각 요일별로 분류
이원분산분석을 위한 주가 자료 만들기