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。
通过本课程的学习，学员将深入学习如何正确考察这些方法的适用条件，正确选择所需的方法加以应用，从而既满足了相关统计分析功能的需求，又为进一步学习statsmodels包中的复杂建模功能打下坚实的基础。
【课程大纲】
第1章：变量的统计描述
第2章：连续变量的比较：t检验
第3章：检验方法适用条件的考察
第4章：多组均数的比较：单因素方差分析
第5章：有序分类变量的比较：非参数统计分析方法
第6章：无序分类变量的比较：卡方检验
第7章：变量间的关联性分析
第8章：线性回归模型入门
第9章：样本量的计算
【课程长度】
总时长：10小时
【学员基础】
学员需要懂得Python语言的基本编程知识。
学员事前不要求学习统计分析的基本知识，但建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》。
学员事前不要求有任何统计软件的使用经验。
如果觉得《python卡方检验 scipy_卡方检验的scipy实现》对你有帮助，请点赞、收藏，并留下你的观点哦！
