以真实商业案例为数据基础，课程内容围绕scipy.stats和statsmodels包的相关功能展开，从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

*   01 学前测试/

  *   01 学前测试

*   02 变量的统计描述/

  *   01 学Python统计分析时要注意的几大问题.mp4 08:59

  *   02 中国消费者信心指数项目概况.mp4 13:07

  *   03 连续变量的统计描述（上）.mp4 06:16

  *   04 连续变量的统计描述（下）.mp4 08:18

  *   05 分类变量的频数描述.mp4 04:46

  *   06 分类变量的交叉表描述.mp4 07:03

  *   07 本课程案例数据及文档下载.mp4 00:10

*   03 连续变量的比较：t检验/

  *   01 假设检验的基本原理.mp4 12:14

  *   02 假设检验的基本步骤.mp4 13:49

  *   03 一类错误、二类错误与检验效能.mp4 07:14

  *   04 假设检验的注意事项.mp4 07:15

  *   05 单样本t检验的基本原理.mp4 11:30

  *   06 单样本t检验的python实现.mp4 08:20

  *   07 两样本t检验的基本原理.mp4 05:57

  *   08 两样本t检验的scipy实现.mp4 07:05

  *   09 两样本t检验的statsmodels实现.mp4 06:44

  *   10 配对t检验的基本原理.mp4 13:11

  *   11 配对t检验的python实现.mp4 08:03

  *   12 章节测试

*   04 检验方法适用条件的考察/

  *   01 案例独立性的考察.mp4 07:45

  *   02 正态性的图形考察.mp4 10:21

  *   03 正态性的假设检验考察.mp4 05:00

  *   04 正态性考察的python实现.mp4 06:37

  *   05 正态性不满足时的应对策略.mp4 07:14

  *   06 方差齐性的考察和应对策略.mp4 09:12

  *   07 方差齐性考察的python实现.mp4 07:52

*   05 多组均数的比较：单因素方差分析/

  *   01 多组均数比较时面临的问题.mp4 06:22

  *   02 方差分析的基本原理.mp4 11:30

  *   03 单因素方差分析的python实现.mp4 09:00

  *   04 事后两两比较：直接校正检验水准.mp4 13:36

  *   05 事后两两比较方法的选择.mp4 06:55

  *   06 事后两两比较的python实现.mp4 10:52

  *   07 章节测试

*   06 有序分类变量的比较：非参数方法/

  *   01 非参数统计分析方法的基本概念.mp4 09:41

  *   02 非参数统计分析方法的基本原理.mp4 07:11

  *   03 成组样本比较的非参数方法.mp4 07:09

  *   04 成组样本比较非参数方法的实现.mp4 11:47

  *   05 配对样本比较的非参数方法.mp4 09:26

  *   06 配对样本比较非参数方法的实现.mp4 06:49

  *   07 秩变换分析的基本原理.mp4 05:50

  *   08 秩变换分析方法的python实现.mp4 08:30

*   07 无序分类变量的比较：卡方检验/

  *   01 卡方检验的基本原理.mp4 10:38

  *   02 卡方检验的scipy实现.mp4 06:36

  *   03 卡方检验statsmodels实现.mp4 09:15

  *   04 卡方检验的两两比较.mp4 09:54

  *   05 卡方校正与确切概率法.mp4 08:31

  *   06 配对卡方检验.mp4 11:16

  *   07 分层卡方检验.mp4 14:00

  *   08 二项分布检验的基本原理.mp4 11:48

  *   09 二项分布检验的python实现.mp4 11:29

  *   10 章节测试

*   08 数据的关联性分析/

  *   01 相关分析概述.mp4 14:16

  *   02 相关系数的计算原理.mp4 12:57

  *   03 相关分析的python实现.mp4 06:21

  *   04 OR和RR的基本概念.mp4 09:34

  *   05 OR和RR的python实现.mp4 05:16

*   09 线性回归模型入门/

  *   01 相关和回归的联系与区别.mp4 04:47

  *   02 线性回归模型概述.mp4 15:44

  *   03 线性回归模型的适用条件.mp4 15:23

  *   04 线性回归模型的标准建模步骤.mp4 23:22

  *   05 线性回归模型的scipy实现.mp4 04:50

  *   06 线性回归模型的statsmodels实现.mp4 15:06

  *   07 多变量回归模型与残差分析.mp4 09:00

*   10 样本量的计算/

  *   01 为什么要估计样本量.mp4 09:00

  *   02 样本量的计算原理.mp4 10:41

  *   03 t检验的样本量估计.mp4 13:00

  *   04 单因素ANOVA的样本量估计.mp4 07:04

  *   05 率的比较的样本量估计.mp4 08:34

  *   06 章节测试

*   11 结课测试/

  *   01 结课测试