探索 Scipy 与统计分析基础

摘要

导读

本文通过实用统计基础梳理，结合Python和Scipy包，利用股市数据进行统计分析实战，介绍了描述性分析与推断性分析方法，并提供完整代码的PDF版本下载。

统计学简介

统计学涉及数据的收集、处理、分析和解释，分为描述性分析和推断性分析两类，包括总体规模、对比关系、集中趋势、离散程度等。

Scipy模块

Scipy基于NumPy，提供线性代数、优化、积分等多种科学计算功能，本文基于Scipy实现统计分布及检验。

数据准备

使用金融股市数据进行统计分析，涉及协方差矩阵、协方差计算以及回报率的计算。

统计分析

依据股市数据的'Adj Close'字段，进行了均值、中位数、众数、全距、方差、标准差、标准误差和Z-Scores的计算。

统计分布及检验

介绍了散点图、回归分析，并使用蒙特卡罗方法进行初等概率论预测。探讨了累积分布、概率密度函数、累积概率分布等统计分布方法。

假设检验

定义了假设检验的概念，阐释了假设检验过程、显著性水平、p-value以及如何作出统计决策。

参考资料

提供了参考资料链接，并推荐原创公众号『数据STUDIO』获取更多数据科学领域的内容。