数据分析:方法与应用

《数据分析：方法与应用》入选教育部高等学校软件工程专业教学指导委员会组织编写的“软件工程专业系列教材”。全书从基础的统计分析方法到基于机器学习的预测模型，全面系统地介绍了各种常用的数据分析方法及其典型应用，并结合大量实际应用案例介绍了各种分析方法的使用步骤及应用效果，让读者能够更好地了解各种分析方法的应用场景和价值。
《数据分析：方法与应用》全书共10章，包括：绪论、概论率基础、描述性分析、探索性分析、参数估计、假设检验、方差分析、相关分析与回归分析、机器学习、时间序列分析。附录给出了常用累积分布表和临界值表。
《数据分析：方法与应用》可作为高等学校计算机科学与技术、软件工程、数据科学与大数据技术、人工智能等专业高年级本科生和研究生“数据分析”“数学建模”“数据挖掘”等相关课程的教材，也可作为需要利用定量分析和数学建模进行业务分析和管理决策的相关工作人员的参考书。

第1章 绪论
1．1 数据分析简介
1．1．1 数据的定义与分类
1．1．2 数据分析技术与方法
1．2 数据分析流程
1．2．1 问题定义与数据收集
1．2．2 数据预处理
1．2．3 描述性分析
1．2．4 探索性分析
1．2．5 推断性分析
1．2．6 基于模型与算法的分析
1．2．7 数据分析报告与应用
1．3 应用案例
1．3．1 电商数据分析
1．3．2 交通数据分析
1．3．3 文化传媒数据分析
1．3．4 能源数据分析
1．3．5 金融数据分析
习题1

第2章 概率论基础
2．1 概率的基本概念与性质
2．1．1 随机事件与样本空间
2．1．2 概率测度及其性质
2．2 概率的计算
2．2．1 等可能概型
2．2．2 案例：辛普森悖论
2．2．3 乘法原理与排列组合
2．2．4 案例：生日悖论
2．2．5 事件独立性
2．2．6 案例：疾病感染率统计分析
2．3 条件概率
2．3．1 条件概率与全概率公式
2．3．2 贝叶斯公式
2．3．3 案例：测谎仪悖论
2．3．4 案例：三门问题
2．4 随机变量
2．4．1 随机变量的定义与分类
2．4．2 概率函数和累积分布函数
2．5 数学期望
2．5．1 期望的起源
2．5．2 期望的定义
2．5．3 案例：圣彼得堡悖论
2．5．4 马尔可夫不等式
2．5．5 联合分布函数的期望
2．6 方差与协方差
2．6．1 方差的定义与性质
2．6．2 切比雪夫不等式
2．6．3 案例：风险值的估算
2．6．4 协方差与相关系数
2．6．5 案例：投资组合风险分析
2．7 常用概率分布
2．7．1 离散型概率分布
2．7．2 连续型概率分布
习题2

第3章 描述性分析
3．1 集中趋势分析
3．1．1 算术平均数
3．1．2 中位数
3．1．3 四分位数
3．1．4 众数
3．1．5 算术平均数、中位数与众数的关系
3．2 离中趋势分析
3．2．1 极差
3．2．2 平均差
3．2．3 标准差
3．2．4 四分位差
3．2．5 异众比率
3．3 分布形状分析
3．3．1 偏度
3．3．2 峰度
习题3

第4章 探索性分析
4．1 分析目标与方法分类
4．2 单变量探索性分析
4．2．1 直方图
4．2．2 经验累积分布曲线与分位数图
4．2．3 箱形图
4．2．4 柱形图与饼形图
4．2．5 案例：白葡萄酒品质分析
4．2．6 时序图
4．2．7 案例：航空公司乘客数量趋势分析
4．3 双变量探索性分析
4．3．1 散点图
4．3．2 案例：车道探测器故障检测
4．3．3 案例：地震空间分布分析
4．3．4 晶格图与并排箱形图
4．3．5 并列柱形图和堆叠柱形图
4．4 多变量探索性分析
4．4．1 成对散点图
4．4．2 雷达图
4．4．3 平行坐标图
习题4
……

第5章 参数估计
第6章 假设检验
第7章 方差分析
第8章 相关分析与回归分析
第9章 机器学习
第10章 时间序列分析

附录 常用累积分布表和临界值表

参考文献