データサイエンスのための確率・統計（テキスト） Probability and Statistics for Data Science : Math + R + Data (Chapman & Hall/crc Data Science Series)

データサイエンスのための確率・統計（テキスト）<br>Probability and Statistics for Data Science : Math + R + Data (Chapman & Hall/crc Data Science Series)

個数：

ポイントキャンペーン

データサイエンスのための確率・統計（テキスト）
Probability and Statistics for Data Science : Math + R + Data (Chapman & Hall/crc Data Science Series)

Matloff, Norman

ウェブストア価格 ¥51,286（本体¥46,624）
Chapman & Hall/CRC（2019/06発売）
外貨定価 US$ 235.00
【ウェブストア限定】洋書・洋古書ポイント5倍対象商品（～2/28）
ポイント 2,330pt

提携先の海外書籍取次会社に在庫がございます。通常3週間で発送いたします。
【重要ご説明事項】
1. 納期遅延や、ご入手不能となる場合が若干ございます。
2. 複数冊ご注文の場合は、ご注文数量が揃ってからまとめて発送いたします。
3. 美品のご指定は承りかねます。

●3Dセキュア導入とクレジットカードによるお支払いについて

【入荷遅延について】
世界情勢の影響により、海外からお取り寄せとなる洋書・洋古書の入荷が、表示している標準的な納期よりも遅延する場合がございます。
おそれいりますが、あらかじめご了承くださいますようお願い申し上げます。

◆画像の表紙や帯等は実物とは異なる場合があります。

◆ウェブストアでの洋書販売価格は、弊社店舗等での販売価格とは異なります。
また、洋書販売価格は、ご注文確定時点での日本円価格となります。
ご注文確定後に、同じ洋書の販売価格が変動しても、それは反映されません。

製本 Hardcover:ハードカバー版／ページ数 412 p.
言語 ENG
商品コード 9780367260934
DDC分類 519.5

Full Description

Probability and Statistics for Data Science: Math + R + Data covers "math stat"—distributions, expected value, estimation etc.—but takes the phrase "Data Science" in the title quite seriously:

* Real datasets are used extensively.

* All data analysis is supported by R coding.

* Includes many Data Science applications, such as PCA, mixture distributions, random graph models, Hidden Markov models, linear and logistic regression, and neural networks.

* Leads the student to think critically about the "how" and "why" of statistics, and to "see the big picture."

* Not "theorem/proof"-oriented, but concepts and models are stated in a mathematically precise manner.

Prerequisites are calculus, some matrix algebra, and some experience in programming.

Norman Matloff is a professor of computer science at the University of California, Davis, and was formerly a statistics professor there. He is on the editorial boards of the Journal of Statistical Software and The R Journal. His book Statistical Regression and Classification: From Linear Models to Machine Learning was the recipient of the Ziegel Award for the best book reviewed in Technometrics in 2017. He is a recipient of his university's Distinguished Teaching Award.

1. Basic Probability Models. 2. Discrete Random Variables. 3. Discrete Parametric Distribution Families. 4. Introduction to Discrete Markov Chains. 5. Continuous Probability Models. 6. The Family of Normal Distributions. 7. The Family of Exponential Distributions. 8. Random Vectors and Multivariate Distributions. 9. Statistics: Prologue. 10. Introduction to Confidence Intervals. 11. Introduction to Significance Tests. 12. General Statistical Estimation and Inference 13. Predictive Modeling