Python pour l’analyse de données et les statistiques - Fondamentaux, régression linéaire et simulati

ENI - EAN : 9782409054877

DAVOUST LAURENT

Skip to the end of the images gallery

Skip to the beginning of the images gallery

Nouveauté

Édition papier

EAN : 9782409054877

Paru le : 15 juil. 2026

32,00 € 30,33 €

Bientôt disponible

Pour connaître votre prix et commander, identifiez-vous

A paraître 15 juil. 2026

Notre engagement qualité

Livraison gratuite
en France sans minimum
de commande
Manquants maintenus
en commande
automatiquement
Un interlocuteur
unique pour toutes
vos commandes
Toutes les licences
numériques du marché
au tarif éditeur
Assistance téléphonique
personalisée sur le
numérique
Service client
Du Lundi au vendredi
de 9h à 18h

Détails

EAN13 : 9782409054877
Réf. éditeur : RIPYTSTAT
Collection : RESSOURCES INFO
Editeur : ENI
Date Parution : 15 juil. 2026
Disponibilite : Pas encore paru
Barème de remise : NS
Nombre de pages : 430
Format : H:216 mm L:178 mm E:22 mm
Poids : 720gr

Résumé

Résumé : Destiné aux développeurs, aux étudiants en data science et aux professionnels qui souhaitent maîtriser Python dans un cadre analytique, cet ouvrage propose une progression claire, des fondamentaux du langage jusqu’aux principales méthodes statistiques utilisées en analyse de données. Chaque notion est expliquée pas à pas puis mise en œuvre en Python sur des cas concrets, notamment en finance d’entreprise.

Structuré en trois grandes parties, le livre commence par les fondations en programmation et en manipulation de données : installation de l’environnement, syntaxe Python, fonctions, structures de données, puis manipulation de tableaux et de DataFrame avec NumPy et Pandas. Il montre ensuite comment charger, nettoyer, filtrer, fusionner et restructurer des jeux de données réels avec méthode.

Ces bases techniques servent de socle à la deuxième partie, conçue comme un fil rouge statistique. L’auteur y propose une approche statistique complète : statistique descriptive, visualisation des données, probabilités, lois usuelles, échantillonnage, théorème central limite, intervalles de confiance et tests d’hypothèses.

Enfin, la troisième partie se consacre aux modèles prédictifs et aux techniques analytiques avancées, intégrant la régression linéaire simple et multiple, permettant d'expliquer et de prédire des variables, la simulation de Monte Carlo et l’analyse en composantes principales, avec une attention constante portée à l’interprétation des résultats.

Résolument pratique, ce livre donne au lecteur les outils pour programmer, analyser, modéliser et exploiter ses données avec rigueur.