Name: Statistics Is Easy: Case Studies on Real Scientific Datasets (en Inglés)
Price: 579.05 MXN
Availability: InStock
Author: Katari, Manpreet Singh ; Tyagi, Sudarshini ; Shasha, Dennis
ISBN: 9783031013058

Envío gratis

portada Statistics Is Easy: Case Studies on Real Scientific Datasets (en Inglés)

Formato

Libro Físico

Autor

Dennis Shasha

Manpreet Singh Katari

Sudarshini Tyagi

Editorial

Springer

Idioma

Inglés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

23.5 x 19.1 x 0.4 cm

Peso

0.15 kg.

ISBN13

9783031013058

N° edición

Categorías

Probabilidad y estadística
Matemáticas aplicadas
Machine learning: aprendizaje automático

Statistics Is Easy: Case Studies on Real Scientific Datasets (en Inglés)

Dennis Shasha (Autor) · Manpreet Singh Katari (Autor) · Sudarshini Tyagi (Autor) · Springer · Tapa Blanda

Libro Nuevo

$ 579.05

$ 1,158.10

Ahorras: $ 579.05

50% descuento

Envío normal

Origen: Reino Unido (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 24 de Junio y el Martes 02 de Julio.

Lo recibirás en cualquier lugar de México entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Statistics Is Easy: Case Studies on Real Scientific Datasets (en Inglés)"

Computational analysis of natural science experiments often confronts noisy data due to natural variability in environment or measurement. Drawing conclusions in the face of such noise entails a statistical analysis. Parametric statistical methods assume that the data is a sample from a population that can be characterized by a specific distribution (e.g., a normal distribution). When the assumption is true, parametric approaches can lead to high confidence predictions. However, in many cases particular distribution assumptions do not hold. In that case, assuming a distribution may yield false conclusions. The companion book Statistics is Easy, gave a (nearly) equation-free introduction to nonparametric (i.e., no distribution assumption) statistical methods. The present book applies data preparation, machine learning, and nonparametric statistics to three quite different life science datasets. We provide the code as applied to each dataset in both R and Python 3. We also include exercises for self-study or classroom use.