课程编号：🇬🇲1️⃣0️⃣0️⃣
英文名：Data-Story

👋在许多次在数学建模中，当你走投无路时，统计分析的题目或许是你最后的救命稻草···
从竞赛经验出发，我们认为统计分析模型对于新手而言非常友好，也是在许多题目会使用到的高频模型，因此在了解了基础的数学工具后，我们建议你从统计分析模型开始你的数模之旅~

在这门课中，主要包含四大板块：探索性数据分析(EDA)与数据可视化、计量经济学（回归分析、分类分析）、假设检验专题、随机过程与金融随机模拟专题.

统计分析（上）：

• 为了照顾零基础的学员，首先我们加入了一个pandas库的动手学教程，我们给出了具体知识点的文档地址，要求大家自行阅读文档后，进行问题解决；
• 在学习完pandas的基础后，给大家带来了一个实战案例————Boston房价预测实战，从实际的数据集中，让大家直观的认识什么是数据探索性分析的过程，以及讲解数据分析中使用的Python库——Pandas；
• 在回归分析的部分中，我们讲解了在数学建模中最常用到的回归模型——线性回归，以及关于线性回归的一些参数检验手段，并且带领大家手把手的采用Python进行实战，目的是可以更好的为模型解释服务；
• 在分类分析的部分中，我们简单介绍了分类问题，并介绍如何将回归模型迁移运用到分类问题之中；
• 在数据可视化的部分，我们讲解了Python三大数据可视化工具库：Matplotlib、Seaborn和Plotnine，以及在实际应用中应该如何选择合适的图表正确表达数据.

统计分析（下）：

• 在假设检验部分，我们将学习到日常生活与工作中最经常用到的所有假设检验（如：正态性检验、方差分析等等），学完假设检验部分，你将解锁假设检验几乎所有的技能；
• 在随机过程专题，我们将时间变量引入概率论中，将会学习到随机过程中最著名的——泊松过程、马尔可夫过程，并使用案例的形式讲解了如何将随机过程与仿真技术结合起来解决实际问题；
• 在随机模拟专题，我们将学习到的随机过程相关理论运用到实际的金融案例中，从0学会如何使用对数布朗运动描述股价的分布并求解看涨期权的报酬分布。随后，我们将总结随机模拟的关键——生成随机数，将会学习生成各种随机数的采样方法（如：拒绝采样、MCMC采样等等）。

介绍数学建模中数据分析问题的完整链路，着重介绍回归&分类问题的建模以及分析过程，并且手把手带你画出专业性满满的可视化图表！

预计每日学习时长1~2小时.

1. 动手学Pandas【2天】
2. Boston房价数据集的EDA【2天】
3. 回归分析与模型诊断【5天】
4. 分类分析与模型诊断【2天】
5. 数据可视化【4天】
6. 假设检验1: 方法论与一元数值检验【5天】
7. 假设检验2: 多元数值向量检验【2天】
8. 假设检验3: 分类数据检验【2天】
9. 应用随机过程与仿真系统【3天】
10. 金融量化分析与随机模拟【3天】

• 📧 邮箱：gitmodel@163.com
• 📺 bilibili：GitModel

我们非常期待有兴趣的你一同加入，我们共同维护国内第一个数学建模开源社区！