Pingouin是一个用Python 3编写的开源统计软件包，主要基于Pandas和NumPy。 下面列出了它的一些主要功能。 有关可用功能的完整列表，请参阅。 方差分析：N向，重复测量，混合，重复 成对事后检验（参数和非参数）和成对相关 稳健，部分，距离和重复测量的相关性 线性/逻辑回归和中介分析 贝叶斯因素 多元测试 可靠性和一致性 效果大小和功率分析 围绕效应大小或相关系数的参数/自举置信区间 循环统计 卡方检验 绘图：Bland-Altman图，QQ图，配对图，稳健的相关性... Pingouin是为需要简单但详尽的统计功能的用户而设计的。 例如，SciPy的ttest_ind函数仅返回T值和p值。 相比之下，Pingouin的ttest函数返回T值，p值，自由度，效应大小（Cohen d），均值之差的95％置信区间，统计功效和贝叶斯因子（BF10）的测试。 文献资料 聊天

应用统计学入门教程，非常详细易懂，英文原版，第七版，带英文书签目录

学习贝叶斯统计的入门。公式不复杂，适合刚入门。

JKQTPlotter-Qt绘图库 这是针对Qt的功能/数据绘图仪类的广泛库（> = 5.0，已通过Qt高达5.12测试）。 本软件已根据或更高版本获得。 主要特点 2D绘图仪小部件类（JKQTPlotter） 高质量的绘图 除了Qt> = 5.0之外没有其他依赖项 高度可定制的轴/网格（线性/对数，日期/时间，自定义刻度...） 集成的LaTeX解析器（纯C ++，无依赖项），可在轴标签，刻度线等中呈现数学方程式 预先设置了广泛的用户交互功能（几种缩放模式，选择区域，自定义上下文菜单，切换图可见性等） 全面的打印和导出（PDF，PNG等）支持，并具有现成的预览和参数化功能 高度可定制

目的–本文的目的是提高浅层有源声纳检测性能水。 定义类似随机模型的多元椭圆轮廓（MEC）分布模型混响，有助于揭示目标签名的结构信息。 设计/方法/方法–有源声纳系统的开发范围更广传输带宽和更大的Kong径接收阵列，从而改善了信噪比匹配滤波和波束成形后的比率和混响功率比率。 但是，它改变了传统假定瑞利的混响引起的包络的统计分布分配。 MEC是一种广义的非高斯分布模型。 作者从理论上推导复合高斯，瑞利混合，威布尔，K分布都是特殊的例MEC。 众所周知，威布尔分布和钾分布具有比瑞利明显的重尾分配。 MEC是表征非瑞利重尾分布的合适模型混响。 结果–对测试数据的分析表明，混响包络明显偏离了瑞利分配。 在广泛的非高斯框架中，混响建模为MEC分布， 适用于表征非瑞利混响。 试验中收到的数据验证了MEC模型的有效性。 实际数据包络遵循K分布，这是MEC。 因此，MEC可用于开发新颖的信号处理算法，从而减轻或减轻考虑了重尾混响分布对目标检测的影响。 研究的局限性/意义–有限的海试数据是证明的主要局限性进一步进行模型验证。

关于贝叶斯统计方面的很好的入门教材。The purpose of the book is to familiarize the students with the basic concepts of Bayesian theory and to quickly get them performing their own data analyses using Bayesian com- putational tools.

A first course in bayesian statistical methods

Wiley-Applied Data Mining Statistical Methods For Business And Industry.pdf

包含蒙特卡洛邻域的两大经典著作：Monte Carlo Statistical Methods和monte carlo strategies in scientific computing，希望对大家有帮助

该文档主要讲解MC方法在统计方法上的应用，对于研究深度学习方面的人来说是本不错的书籍