統計至簡：概率統計全彩圖解 + 微課 + Python 編程

數據科學和機器學習已經深度融合到我們生活的方方面面，而數學正是開啟未來大門的鑰匙。
不是所有人生來都握有一副好牌，但是掌握“數學+編程+機器學習”的知識絕對是王牌。
這一次，學習數學不再是為了考試、分數、升學，而是投資時間、自我實現、面向未來。
為了讓大家學數學、用數學，甚至愛上數學，在創作時，作者盡量克服傳統數學教材的各種弊端，
讓大家學習時有興趣、看得懂、有思考、更自信、用得着。

《統計至簡：概率統計全彩圖解+微課+Python編程》是“鳶尾花數學大系—從加減乘除到機器學習”
叢書中數學版塊—“數學三劍客”的第三冊，也是最後一本。
“數學”板塊的第一本《數學要素》是各種數學工具的“大雜燴”，可謂數學基礎；《矩陣力量》專門講解機器學習中常用的線性代數工具；
本冊《統計至簡》則介紹機器學習和數據分析中常用的概率統計工具。
《統計至簡：概率統計全彩圖+微課+Python編程》的核心是“多元統計”，離不開第二冊《矩陣力量》中介紹的線性代數工具。
本書內容又可以歸納為7大板塊——統計、概率、高斯、隨機、頻率派、貝葉斯派、橢圓。
本書在講解概率統計工具時，會穿插介紹其在數據科學和機器學習領域的應用場景，讓大家學以致用。

《統計至簡：概率統計全彩圖解+微課+Python編程》讀者群包括所有在工作中應用概率統計的朋友，
尤其適用於初級程序員進階、大學本科數學開竅、高級數據分析師、機器學習開發者。

緒論
第1板塊統計
第1章機率統計全景
1.1 必備數學工具：一個線性代數小測驗
1.2 統計描述
1.3 機率
1.4 高斯
1.5 隨機
1.6 頻率派
1.7 貝葉斯派
1.8 橢圓三部曲
第2章統計描述
2.1統計兩大工具：描述、推論
2.2 直方圖：單一特徵資料分佈
2.3 散佈圖：兩特徵資料分佈
2.4 有標籤資料的統計視覺化
2.5 集中度：平均值、質心
2.6 分散度：極差、變異數、標準差
2.7 分位：四分位、百分位等
2.8 箱型圖：小提琴圖、分佈散佈圖
2.9 中心距：平均值、變異數、偏態、峰度
2.10 多元隨機變數關係：協方差矩陣、相關係數矩陣
第2板塊機率
第3章古典機率模型
3.1 無所不在的機率
3.2 古典機率：離散均勻機率律
3.3 回顧：楊輝三角與機率
3.4 事件之間的關係：集合運算
3.5 條件機率：給定部分資訊做推論
3.6 貝氏定理：條件機率、邊緣機率、聯合機率關係
3.7 全機率定理：窮舉法
3.8 獨立、互斥、條件獨立
第4章離散隨機變數
4.1 隨機：天地不仁，以萬物為芻狗
4.2期望值：隨機變數的可能取值加權平均
4.3 變異數：隨機變數離期望距離平方的平均值
4.4 累積分佈函數（CDF）：累加
4.5 二元離散隨機變數
4.6 協方差、相關係數
4.7 邊緣機率：偏求和，相當於降維
4.8 條件機率：引入貝葉斯定理
4.9 獨立性：條件機率等於邊緣機率
4.10 以鳶尾花資料為例：不考慮分類標籤
4.11 以鳶尾花資料為例：考慮分類標籤
4.12 再談機率1：展開、折疊
第5章離散分佈
5.1 機率分佈：高度理想化的數學模型
5.2 離散均勻分佈：不分厚薄
5.3 伯努利分佈：非黑即白
5.4 二項分佈：楊輝三角
5.5 多項分佈：二項分佈推廣
5.6 泊松分佈：建模隨機事件的發生次數
5.7 幾何分佈：滴水穿石
5.8 超幾何分佈：不放回
第6章連續隨機變數
6.1 一元連續隨機變數
6.2 期望、變異數和標準差
…
第3板塊高斯
第4板塊隨機
第5板塊頻率派
第6板塊貝葉斯派
第7板塊橢圓