몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 (기초 개념부터 확률 과정 기반 데이터 예측까지)

몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 (기초 개념부터 확률 과정 기반 데이터 예측까지)

$37.23
Ask a Question
Vendor: 비제이퍼블릭 - 장철원
Type: Python(파이썬)
SKU: 9791165922092
Categories: ALL BOOKS 컴퓨터/인터넷 컴퓨터/인터넷_컴퓨터공학
Tags: 몬테카를로시뮬레이션으로배우는확률통계with파이썬기초개념부터확률과정기반데이터예측까지 컴퓨터/IT_프로그래밍 언어
Description
*몬테카를로 시뮬레이션을 기반으로 기초 확률 개념 이해부터 파이썬을 활용한 과정 기반 데이터 예측 실습까지 다룬 학습서*
이 책은 확률 통계 학습을 위한 기초 수학 개념부터 파이썬을 활용해 실제 배운 내용을 응용할 수
있도록 돕는다. 다양한 확률 분포의 기반이 되는 이론을 소개하고 파이썬 실습을 통해 해당 분포의
성질을 파악한다. 뿐 만 아니라, 확률 과정, 몬테카를로 시뮬레이션 이론을 파악하고 실습을 통해
해당 알고리즘의 작동 방식을 파악할 수 있다.

실습은 크게 두 파트로 나뉜다. 파이썬을 활용한 실습과 넘파이 라이브러리를 활용한 실습으로 나
뉘는데, 파이썬을 활용한 실습은 라이브러리에 의존하지 않고 스스로 확률 통계와 관련된 함수를
직접 만들어 사용한다. 반면 넘파이 라이브러리 실습은 라이브러리에 포함되어 있는 목적에 맞는
함수를 사용함으로써 편리하게 적재적소에 사용하는 방법을 배운다..

이 책의 특징
- 기초, 수학, 확률 분포, 확률 과정 등 확률 통계 필수 개념을 자세히 다룬다.
- 추상적인 확률 통계의 개념을 그림으로 알기 쉽게 설명한다.
- 복잡한 수학 수식과 프로그래밍 코드를 자세하게 설명한다.

이 책이 필요한 독자
- 확률 통계 이론의 원리를 이해하고 싶으신 분
- 확률 통계 개념을 현업에 적용하고 싶으신 분
- 머신러닝, 딥러닝 학습을 위한 확률 통계의 필요성을 느끼신 분
저자

장철원

공부한내용을기록하고나누는것을좋아하는개발자

충북대학교에서통계학을전공하고고려대학교에서통계학석사졸업했다.이후플로리다
주립대학교(FloridaStateUniversity)통계학박사과정중휴학후취업전선에뛰어들었다.
어렸을때부터게임을좋아해크래프톤데이터분석실에서일했는데,주로머신러닝을이용
한이탈률예측,고객분류업무를수행했다.그러다가배틀그라운드핵관련업무를계기로
IT보안에흥미를느껴,이후NHN클라우드사업본부IT보안실에서일하게되었다.NHN에서
는머신러닝을이용한매크로자동탐지시스템을개발하고특허출원했다.현재는개인사
업을운영하고있으며IT관련책을쓰고강의를하면서소프트웨어를개발한다.공부한내
용을공유하는데보람을느껴블로그,카페,유튜브를운영하고있다.저서로는『선형대수와
통계학으로배우는머신러닝with파이썬(비제이퍼블릭,2021)』,『알고리즘구현으로배우는
선형대수with파이썬(비제이퍼블릭,2021)』,『웹크롤링&데이터분석(도서출판인사이트,
2022)』가있다.

ㆍ나노쿠키대표
ㆍ패스트캠퍼스강사
ㆍ러닝스푼즈강사
ㆍ전)한국정보통신기술협회외부교수
ㆍ전)NHNIT보안실
ㆍ전)크래프톤데이터분석실
ㆍ블로그:https://losskatsu.github.io
ㆍ네이버카페:https://cafe.naver.com/aifromstat
ㆍ유튜브:https://www.youtube.com/@cheolwon_jang_ml

목차

서문
이책의대상독자/이책을읽는방법
책의구성
저자소개
감사의말베타리더추천사
책에쓰인수학기호

Chapter01개발환경구축하기

1.1 윈도우에서개발환경구축하기

1.2 맥에서개발환경구축하기


1.3리눅스에서개발환경구축하기

Chapter02기초수학

2.1경우의수
2.1.1팩토리얼
2.1.2조합

2.2함수
2.2.1함수의개념
2.2.2단조함수

2.3함수의극한
2.3.1극한의개념
2.3.2자연상수e

2.4수열
2.4.1수열의개념
2.4.2등차수열
2.4.3등비수열
2.4.4무한급수

2.5지수와로그
2.5.1지수
2.5.2로그
2.5.3지수함수와로그함수

2.6미분
2.6.1미분의개념
2.6.2다양한미분공식
2.6.3편미분

2.7적분
2.7.1정적분의개념
2.7.2다양한적분공식
2.7.3치환적분
2.7.4부분적분

Chapter03확률

3.1확률의기초
3.1.1확률을배우는이유
3.1.2확률의개념
3.1.3확률의종류
3.1.4independent
3.1.5disjoint

3.2확률변수
3.2.1확률변수의개념
3.2.2모집단과표본
3.2.3히스토그램
3.2.4확률변수파이썬실습

3.3확률분포
3.3.1확률분포의개념
3.3.2이산형확률분포
3.3.3연속형확률분포
3.3.4확률질량과확률밀도의차이
3.3.5iid

3.4평균과기댓값
3.4.1평균과기댓값의개념
3.4.2이산형확률변수의기댓값
3.4.3연속형확률변수의기댓값
3.4.4기댓값의성질
3.4.5표본평균의개념
3.4.6표본평균의성질
3.4.7평균파이썬실습
3.4.8평균라이브러리실습

3.5분산
3.5.1분산의개념
3.5.2이산형확률변수의분산
3.5.3연속형확률변수의분산
3.5.4분산의성질
3.5.5표본분산의개념
3.5.6표본분산의성질
3.5.7자유도의개념
3.5.8분산,표준편차파이썬실습
3.5.9분산,표준편차라이브러리실습

3.6공분산과상관관계
3.6.1공분산의개념
3.6.2공분산의성질
3.6.3상관계수의개념
3.6.4공분산파이썬실습
3.6.5공분산라이브러리실습

3.7조건부확률
3.7.1조건부확률
3.7.2조건부독립
3.7.3전확률공식
3.7.4전평균공식
3.7.5베이즈정리

3.8적률생성함수

Chapter04이산형확률분포

4.1이산형균일분포
4.1.1이산형균일분포의개념
4.1.2이산형균일분포의기댓값
4.1.3이산형균일분포의분산
4.1.4이산형균일분포일반화형태
4.1.5이산형균일분포파이썬실습
4.1.6이산형균일분포라이브러리실습
4.1.7이산형균일분포를따르는난수생성라이브러리실습

4.2베르누이분포
4.2.1베르누이분포개념
4.2.2베르누이분포의기댓값
4.2.3베르누이분포의분산
4.2.4베르누이분포파이썬실습
4.2.5베르누이분포라이브러리실습
4.2.6베르누이분포를따르는난수생성라이브러리실습

4.3이항분포
4.3.1이항분포의개념
4.3.2이항분포의적률생성함수
4.3.3이항분포의기댓값
4.3.4이항분포의분산
4.3.5이항분포파이썬실습
4.3.6이항분포라이브러리실습
4.3.7이항분포를따르는난수생성라이브러리실습

4.4포아송분포
4.4.1포아송분포의개념
4.4.2포아송분포의적률생성함수
4.4.3포아송분포의기댓값
4.4.4포아송분포의분산
4.4.5이항분포의포아송근사
4.4.6포아송분포파이썬실습
4.4.7포아송분포라이브러리실습
4.4.8포아송분포를따르는난수생성라이브러리실습

4.5기하분포
4.5.1기하분포의개념
4.5.2기하분포의누적분포함수
4.5.3기하분포의적률생성함수
4.5.4기하분포의무기억성
4.5.5기하분포의기댓값
4.5.6기하분포의분산
4.5.7기하분포파이썬실습
4.5.8기하분포라이브러리실습
4.5.9기하분포를따르는난수생성라이브러리실습

4.6음이항분포
4.6.1음이항분포의개념
4.6.2음이항분포와기하분포의관계
4.6.3음이항분포의기댓값
4.6.4음이항분포의분산
4.6.5음이항분포파이썬실습
4.6.6음이항분포라이브러리실습
4.6.7음이항분포를따르는난수생성라이브러리실습

Chapter05연속형확률분포

5.1연속형균일분포
5.1.1연속형균일분포의개념
5.1.2연속형균일분포의기댓값
5.1.3연속형균일분포의분산
5.1.4연속형균일분포파이썬실습
5.1.5연속형균일분포라이브러리실습
5.1.6연속형균일분포를따르는난수생성라이브러리실습

5.2정규분포
5.2.1정규분포의개념
5.2.2표준정규분포
5.2.3정규근사
5.2.4정규분포파이썬실습
5.2.5정규분포라이브러리실습
5.2.6정규분포를따르는난수생성라이브러리실습

5.3감마분포
5.3.1감마함수
5.3.2감마분포의개념
5.3.3감마분포의적률생성함수
5.3.4감마분포의기댓값
5.3.5감마분포의분산
5.3.6감마분포파이썬실습
5.3.7감마분포라이브러리실습
5.3.8감마분포를따르는난수생성라이브러리실습

5.4지수분포
5.4.1지수분포의개념
5.4.2지수분포의무기억성
5.4.3지수분포의적률생성함수
5.4.4지수분포의기댓값
5.4.5지수분포의분산
5.4.6지수분포파이썬실습
5.4.7지수분포라이브러리실습
5.4.8지수분포를따르는난수생성라이브러리실습

5.5카이제곱분포
5.5.1카이제곱분포의개념
5.5.2카이제곱분포파이썬실습
5.5.3카이제곱분포라이브러리실습
5.5.4카이제곱분포를따르는난수생성라이브러리실습

5.6베타분포
5.6.1베타함수
5.6.2베타분포의개념
5.6.3베타분포의기댓값
5.6.4베타분포의분산
5.6.5베타분포파이썬실습
5.6.6베타분포라이브러리실습
5.6.7베타분포를따르는난수생성라이브러리실습

5.7확률분포와관련된이론
5.7.1확률변수의변환
5.7.2확률수렴
5.7.3중심극한정리
5.7.4델타메소드
5.7.5확률분포간의관계

Chapter06추정

6.1MME
6.1.1MME의개념
6.1.2MME라이브러리실습

6.2MLE
6.2.1likelihood의개념
6.2.2probabilityvslikelihood
6.2.3MLE의개념
6.2.4MLE파이썬실습
6.2.5MLE라이브러리실습

6.3MAP
6.3.1MAP개념
6.3.2MAP파이썬실습
6.3.3MAP라이브러리실습

Chapter07확률과정

7.1확률과정이란
7.1.1확률과정의개념
7.1.2마팅게일

7.2마르코프체인
7.2.1마르코프체인의개념
7.2.2one-step전이확률행렬
7.2.3n-step전이확률행렬
7.2.4파이썬라이브러리실습

7.3FirstStepAnalysis
7.3.13×3행렬의FirstStepAnalysis
7.3.24×4행렬의FirstStepAnalysis
7.3.3????×????행렬의FirstStepAnalysis

7.4랜덤워크
7.4.1랜덤워크의개념
7.4.2랜덤워크의전이확률행렬
7.4.3랜덤워크에서파산확률
7.4.4파산할때까지걸리는평균시간
7.4.5일반화랜덤워크의파산확률
7.4.6일반화랜덤워크의파산까지걸리는평균시간
7.4.7파이썬라이브러리실습

7.5포아송과정
7.5.1포아송과정의개념
7.5.2포아송과정라이브러리실습

7.6브라운운동
7.6.1브라운운동의개념
7.6.2GeometricBrownianMotion(GBM)
7.6.3브라운운동라이브러리실습

Chapter08몬테카를로시뮬레이션

8.1몬테카를로시뮬레이션의기초
8.1.1몬테카를로시뮬레이션의개념
8.1.2몬테카를로시뮬레이션으로기댓값추정
8.1.3대수의법칙
8.1.4몬테카를로시뮬레이션으로적분값구하기
8.1.5몬테카를로시뮬레이션파이썬실습

8.2uniform난수생성
8.2.1유사랜덤
8.2.2랜덤주기
8.2.3랜덤시드
8.2.4유사랜덤알고리즘
8.2.5균일분포를따르는난수생성
8.2.6uniform난수생성파이썬실습
8.2.7uniform난수생성넘파이실습

8.3non-uniform난수생성
8.3.1누적분포함수의역함수
8.3.2누적분포함수의역함수의예
8.3.3Acceptance-Rejection
8.3.4non-uniform난수생성파이썬실습
8.3.5non-uniform난수생성넘파이실습

8.4누적분포함수를이용한이산형난수생성
8.4.1베르누이분포를따르는난수생성
8.4.2이항분포를따르는난수생성
8.4.3포아송분포를따르는난수생성
8.4.4기하분포를따르는난수생성
8.4.5음이항분포를따르는난수생성

8.5마르코프체인몬테카를로
8.5.1마르코프체인몬테카를로의개념
8.5.2마르코프체인몬테카를로의필요성
8.5.3마르코프체인복습
8.5.4detailedbalance
8.5.5메트로폴리스헤이스팅스

8.6메트로폴리스헤이스팅스를이용한연속형난수생성
8.6.1

출판사 서평

인공지능,머신러닝,딥러닝분야의기초가되는확률통계

『몬테카를로시뮬레이션으로배우는확률통계with파이썬』은통계학의높은진입장벽을넘을수있게도움이되는책입니다.기초개념부터차근차근설명하여처음접하는독자들도쉽게이해할수있습니다.
파이썬라이브러리를사용하지않고확률통계개념구현하면서확실히내것으로만든후파이썬라이브러리를활용하여확률통계와관련된편리한기능을손쉽게배울수있습니다.

소스코드다운로드https://github.com/bjpublic/ProbabilityStatistics