Data Analysis

A Bayesian Tutorial

Author: D. S. Sivia

Publisher: Oxford University Press

ISBN: 9780198518891

Category: Science

Page: 189

View: 6988

Statistics lectures have often been viewed with trepidation by engineering and science students taking an ancillary course in this subject. Whereas there are many texts showing "how" statistical methods are applied, few provide a clear explanation for non-statisticians of how the principlesof data analysis can be based on probability theory. Data Analysis: A Bayesian Tutorial provides such a text, putting emphasis as much on understanding "why" and "when" certain statistical procedures should be used as "how". This difference in approach makes the text ideal as a tutorial guide forsenior undergraduates and research students, in science and engineering. After explaining the basic principles of Bayesian probability theory, their use is illustrated with a variety of examples ranging from elementary parameter estimation to image processing. With its central emphasis on a fewfundamental rules, this book takes the mystery out of statistics by providing a clear rationale for some of the most widely-used procedures.
Posted in Science

Data Analysis

A Bayesian Tutorial

Author: Devinderjit Sivia,John Skilling

Publisher: Oxford University Press

ISBN: 0198568312

Category: Mathematics

Page: 246

View: 8601

Statistics lectures have been a source of much bewilderment and frustration for generations of students. This book attempts to remedy the situation by expounding a logical and unified approach to the whole subject of data analysis. This text is intended as a tutorial guide for senior undergraduates and research students in science and engineering. After explaining the basic principles of Bayesian probability theory, their use is illustrated with a variety of examples ranging from elementary parameter estimation to image processing. Other topics covered include reliability analysis, multivariate optimization, least-squares and maximum likelihood, error-propagation, hypothesis testing, maximum entropy and experimental design. The Second Edition of this successful tutorial book contains a new chapter on extensions to the ubiquitous least-squares procedure, allowing for the straightforward handling of outliers and unknown correlated noise, and a cutting-edge contribution from John Skilling on a novel numerical technique for Bayesian computation called 'nested sampling'.
Posted in Mathematics

Doing Bayesian Data Analysis

A Tutorial with R, JAGS, and Stan

Author: John Kruschke

Publisher: Academic Press

ISBN: 0124059163

Category: Mathematics

Page: 776

View: 3387

Doing Bayesian Data Analysis: A Tutorial with R, JAGS, and Stan, Second Edition provides an accessible approach for conducting Bayesian data analysis, as material is explained clearly with concrete examples. Included are step-by-step instructions on how to carry out Bayesian data analyses in the popular and free software R and WinBugs, as well as new programs in JAGS and Stan. The new programs are designed to be much easier to use than the scripts in the first edition. In particular, there are now compact high-level scripts that make it easy to run the programs on your own data sets. The book is divided into three parts and begins with the basics: models, probability, Bayes’ rule, and the R programming language. The discussion then moves to the fundamentals applied to inferring a binomial probability, before concluding with chapters on the generalized linear model. Topics include metric-predicted variable on one or two groups; metric-predicted variable with one metric predictor; metric-predicted variable with multiple metric predictors; metric-predicted variable with one nominal predictor; and metric-predicted variable with multiple nominal predictors. The exercises found in the text have explicit purposes and guidelines for accomplishment. This book is intended for first-year graduate students or advanced undergraduates in statistics, data analysis, psychology, cognitive science, social sciences, clinical sciences, and consumer sciences in business. Accessible, including the basics of essential concepts of probability and random sampling Examples with R programming language and JAGS software Comprehensive coverage of all scenarios addressed by non-Bayesian textbooks: t-tests, analysis of variance (ANOVA) and comparisons in ANOVA, multiple regression, and chi-square (contingency table analysis) Coverage of experiment planning R and JAGS computer programming code on website Exercises have explicit purposes and guidelines for accomplishment Provides step-by-step instructions on how to conduct Bayesian data analyses in the popular and free software R and WinBugs
Posted in Mathematics

Bayesian Logical Data Analysis for the Physical Sciences

A Comparative Approach with Mathematica® Support

Author: Phil Gregory

Publisher: Cambridge University Press

ISBN: 113944428X

Category: Mathematics

Page: N.A

View: 5210

Bayesian inference provides a simple and unified approach to data analysis, allowing experimenters to assign probabilities to competing hypotheses of interest, on the basis of the current state of knowledge. By incorporating relevant prior information, it can sometimes improve model parameter estimates by many orders of magnitude. This book provides a clear exposition of the underlying concepts with many worked examples and problem sets. It also discusses implementation, including an introduction to Markov chain Monte-Carlo integration and linear and nonlinear model fitting. Particularly extensive coverage of spectral analysis (detecting and measuring periodic signals) includes a self-contained introduction to Fourier and discrete Fourier methods. There is a chapter devoted to Bayesian inference with Poisson sampling, and three chapters on frequentist methods help to bridge the gap between the frequentist and Bayesian approaches. Supporting Mathematica® notebooks with solutions to selected problems, additional worked examples, and a Mathematica tutorial are available at www.cambridge.org/9780521150125.
Posted in Mathematics

Wahrscheinlichkeitsrechnung und Statistik

Author: Robert Hafner

Publisher: Springer-Verlag

ISBN: 3709169445

Category: Mathematics

Page: 512

View: 5576

Das Buch ist eine Einführung in die Wahrscheinlichkeitsrechnung und mathematische Statistik auf mittlerem mathematischen Niveau. Die Pädagogik der Darstellung unterscheidet sich in wesentlichen Teilen – Einführung der Modelle für unabhängige und abhängige Experimente, Darstellung des Suffizienzbegriffes, Ausführung des Zusammenhanges zwischen Testtheorie und Theorie der Bereichschätzung, allgemeine Diskussion der Modellentwicklung – erheblich von der anderer vergleichbarer Lehrbücher. Die Darstellung ist, soweit auf diesem Niveau möglich, mathematisch exakt, verzichtet aber bewußt und ebenfalls im Gegensatz zu vergleichbaren Texten auf die Erörterung von Meßbarkeitsfragen. Der Leser wird dadurch erheblich entlastet, ohne daß wesentliche Substanz verlorengeht. Das Buch will allen, die an der Anwendung der Statistik auf solider Grundlage interessiert sind, eine Einführung bieten, und richtet sich an Studierende und Dozenten aller Studienrichtungen, für die mathematische Statistik ein Werkzeug ist.
Posted in Mathematics

Bayesian Reasoning in Data Analysis

A Critical Introduction

Author: Giulio D'Agostini

Publisher: World Scientific

ISBN: 9814486094

Category: Mathematics

Page: 352

View: 7312

This book provides a multi-level introduction to Bayesian reasoning (as opposed to “conventional statistics”) and its applications to data analysis. The basic ideas of this “new” approach to the quantification of uncertainty are presented using examples from research and everyday life. Applications covered include: parametric inference; combination of results; treatment of uncertainty due to systematic errors and background; comparison of hypotheses; unfolding of experimental distributions; upper/lower bounds in frontier-type measurements. Approximate methods for routine use are derived and are shown often to coincide — under well-defined assumptions! — with “standard” methods, which can therefore be seen as special cases of the more general Bayesian methods. In dealing with uncertainty in measurements, modern metrological ideas are utilized, including the ISO classification of uncertainty into type A and type B. These are shown to fit well into the Bayesian framework. Contents: Critical Review and Outline of the Bayesian Alternative:Uncertainty in Physics and the Usual Methods of Handling ItA Probabilistic Theory of Measurement UncertaintyA Bayesian Primer:Subjective Probability and Bayes' TheoremProbability Distributions (A Concise Reminder)Bayesian Inference of Continuous QuantitiesGaussian LikelihoodCounting ExperimentsBypassing Bayes' Theorem for Routine ApplicationsBayesian UnfoldingFurther Comments, Examples and Applications:Miscellanea on General Issues in Probability and InferenceCombination of Experimental Results: A Closer LookAsymmetric Uncertainties and Nonlinear PropagationWhich Priors for Frontier Physics?Conclusion:Conclusions and Bibliography Readership: Graduate students and researchers interested in probability and statistics and their applications in science, particularly the evaluation of uncertainty in measurements. Keywords:Probability;Bayesian Statistics;Error Theory;Measurement Uncertainty;MetrologyReviews:“… statistics textbooks must take seriously the need to teach the foundations of statistical reasoning from the beginning … D'Agostini's new book does this admirably, building an edifice of Bayesian statistical reasoning in the physical sciences on solid foundations.”Journal of the American Statistical Association
Posted in Mathematics

Statistik-Workshop für Programmierer

Author: Allen B. Downey

Publisher: O'Reilly Germany

ISBN: 3868993436

Category: Computers

Page: 160

View: 4170

Wenn Sie programmieren können, beherrschen Sie bereits Techniken, um aus Daten Wissen zu extrahieren. Diese kompakte Einführung in die Statistik zeigt Ihnen, wie Sie rechnergestützt, anstatt auf mathematischem Weg Datenanalysen mit Python durchführen können. Praktischer Programmier-Workshop statt grauer Theorie: Das Buch führt Sie anhand eines durchgängigen Fallbeispiels durch eine vollständige Datenanalyse -- von der Datensammlung über die Berechnung statistischer Kennwerte und Identifikation von Mustern bis hin zum Testen statistischer Hypothesen. Gleichzeitig werden Sie mit statistischen Verteilungen, den Regeln der Wahrscheinlichkeitsrechnung, Visualisierungsmöglichkeiten und vielen anderen Arbeitstechniken und Konzepten vertraut gemacht. Statistik-Konzepte zum Ausprobieren: Entwickeln Sie über das Schreiben und Testen von Code ein Verständnis für die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik: Überprüfen Sie das Verhalten statistischer Merkmale durch Zufallsexperimente, zum Beispiel indem Sie Stichproben aus unterschiedlichen Verteilungen ziehen. Nutzen Sie Simulationen, um Konzepte zu verstehen, die auf mathematischem Weg nur schwer zugänglich sind. Lernen Sie etwas über Themen, die in Einführungen üblicherweise nicht vermittelt werden, beispielsweise über die Bayessche Schätzung. Nutzen Sie Python zur Bereinigung und Aufbereitung von Rohdaten aus nahezu beliebigen Quellen. Beantworten Sie mit den Mitteln der Inferenzstatistik Fragestellungen zu realen Daten.
Posted in Computers

Übungsbuch zur Mathematik für Ingenieure

Übungen und Lösungen

Author: Joachim Erven,Dietrich Schwägerl

Publisher: Oldenbourg Verlag

ISBN: 3486593633

Category: Mathematics

Page: 240

View: 7380

Das Übungsbuch folgt in Aufbau und Stoffauswahl dem bewährten Lehrbuch Mathematik für Ingenieure. Anhand einer großen Anzahl vollständig durchgerechneter Aufgaben erwirbt der Leser die nötige Praxis für die Bearbeitung von Aufgabenstellungen. Zahlreiche Abbildungen veranschaulichen die bearbeiteten Sachverhalte.
Posted in Mathematics

Essential Mathematical Methods for the Physical Sciences

Author: K. F. Riley,M. P. Hobson

Publisher: Cambridge University Press

ISBN: 1139492942

Category: Science

Page: N.A

View: 9663

The mathematical methods that physical scientists need for solving substantial problems in their fields of study are set out clearly and simply in this tutorial-style textbook. Students will develop problem-solving skills through hundreds of worked examples, self-test questions and homework problems. Each chapter concludes with a summary of the main procedures and results and all assumed prior knowledge is summarized in one of the appendices. Over 300 worked examples show how to use the techniques and around 100 self-test questions in the footnotes act as checkpoints to build student confidence. Nearly 400 end-of-chapter problems combine ideas from the chapter to reinforce the concepts. Hints and outline answers to the odd-numbered problems are given at the end of each chapter, with fully-worked solutions to these problems given in the accompanying Student Solutions Manual. Fully-worked solutions to all problems, password-protected for instructors, are available at www.cambridge.org/essential.
Posted in Science

Bayes' Rule

A Tutorial Introduction to Bayesian Analysis

Author: James V. Stone

Publisher: Sebtel Press

ISBN: 0956372848

Category: Bayesian statistical decision theory

Page: 170

View: 7001

In this richly illustrated book, a range of accessible examples are used to show how Bayes' rule is actually a natural consequence of commonsense reasoning. The tutorial style of writing, combined with a comprehensive glossary, makes this an ideal primer for the novice who wishes to become familiar with the basic principles of Bayesian analysis.
Posted in Bayesian statistical decision theory

Einführung in Statistik und Messwertanalyse für Physiker

Monographie

Author: G. Bohm,G. Zech

Publisher: N.A

ISBN: 9783540257592

Category:

Page: 400

View: 4764

Die Einf]hrung in die Statistik und Messwertanalyse f]r Physiker richtet sich weniger an mathematischen \berlegungen aus, sondern stellt die praktische Anwendung in den Vordergrund und schdrft die Intuition experimentelle Ergebnisse richtig einzuschdtzen. Zahlreiche ausf]hrlich betrachtete Beispiele dienen dazu, hdufig bei der Datenanalyse gemachte Fehler zu vermeiden (unsinnige Anwendung des Chi-Quadrattests, Funktionenanpassung bei falscher Parametrisierung, Entfaltung mit willk]rlicher Regularisierung). Ein besonderes Augenmerk wird auf den Vergleich von Daten mit Monte-Carlo-Simulationen gelenkt. Moderne Experimente kommen nicht ohne Simulation aus. Deshalb ist es wichtig zu wissen, wie Parameteranpassungen und Entfaltungen in diesem Fall durchgef]rt werden. Au_erdem werden den Studierenden moderne Entwicklungen der Statistik nahegebracht, die in dlteren Lehrb]chern nicht behandelt werden.
Posted in

Neuronale Netze selbst programmieren

Ein verständlicher Einstieg mit Python

Author: Tariq Rashid

Publisher: O'Reilly

ISBN: 3960101031

Category: Computers

Page: 232

View: 2838

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.
Posted in Computers

Bayesian Analysis with Python

Author: Osvaldo Martin

Publisher: Packt Publishing Ltd

ISBN: 1785889850

Category: Computers

Page: 282

View: 5187

Unleash the power and flexibility of the Bayesian framework About This Book Simplify the Bayes process for solving complex statistical problems using Python; Tutorial guide that will take the you through the journey of Bayesian analysis with the help of sample problems and practice exercises; Learn how and when to use Bayesian analysis in your applications with this guide. Who This Book Is For Students, researchers and data scientists who wish to learn Bayesian data analysis with Python and implement probabilistic models in their day to day projects. Programming experience with Python is essential. No previous statistical knowledge is assumed. What You Will Learn Understand the essentials Bayesian concepts from a practical point of view Learn how to build probabilistic models using the Python library PyMC3 Acquire the skills to sanity-check your models and modify them if necessary Add structure to your models and get the advantages of hierarchical models Find out how different models can be used to answer different data analysis questions When in doubt, learn to choose between alternative models. Predict continuous target outcomes using regression analysis or assign classes using logistic and softmax regression. Learn how to think probabilistically and unleash the power and flexibility of the Bayesian framework In Detail The purpose of this book is to teach the main concepts of Bayesian data analysis. We will learn how to effectively use PyMC3, a Python library for probabilistic programming, to perform Bayesian parameter estimation, to check models and validate them. This book begins presenting the key concepts of the Bayesian framework and the main advantages of this approach from a practical point of view. Moving on, we will explore the power and flexibility of generalized linear models and how to adapt them to a wide array of problems, including regression and classification. We will also look into mixture models and clustering data, and we will finish with advanced topics like non-parametrics models and Gaussian processes. With the help of Python and PyMC3 you will learn to implement, check and expand Bayesian models to solve data analysis problems. Style and approach Bayes algorithms are widely used in statistics, machine learning, artificial intelligence, and data mining. This will be a practical guide allowing the readers to use Bayesian methods for statistical modelling and analysis using Python.
Posted in Computers

Wahrscheinlichkeitsrechnung für Dummies

Author: Deborah J. Rumsey

Publisher: John Wiley & Sons

ISBN: 3527805494

Category: Mathematics

Page: 374

View: 5751

Die Wahrscheinlichkeitsrechnung wird in der Schule oft nur beiläufig behandelt, dabei handelt es sich um ein besonders spannendes und alltagstaugliches Teilgebiet der Mathematik. Für alle, die über dieses Thema noch etwas mehr erfahren wollen oder müssen, erklärt Deborah Rumsey verständlich und mit Humor, was sie unbedingt wissen sollten. Egal ob Kontingenztabelle, zentraler Grenzwertsatz, Stichproben-, Binomial- oder Poissonverteilung, in diesem Buch lernen Sie, was es ist und wie Sie es anwenden. Zu jedem Kapitel finden Sie online eine Übungsaufgabe samt Lösung, um das Gelernte zu festigen. Auch Tipps zu praktischen Anwendungen - ob bei der Arbeit oder am Pokertisch - kommen nicht zu kurz. So finden Sie in diesem Buch alles, was Sie über Wahrscheinlichkeitsrechnung unbedingt wissen sollten.
Posted in Mathematics

Die Berechnung der Zukunft

Warum die meisten Prognosen falsch sind und manche trotzdem zutreffen - Der New York Times Bestseller

Author: Nate Silver

Publisher: Heyne Verlag

ISBN: 3641112702

Category: Business & Economics

Page: 656

View: 2549

Zuverlässige Vorhersagen sind doch möglich! Nate Silver ist der heimliche Gewinner der amerikanischen Präsidentschaftswahlen 2012: ein begnadeter Statistiker, als »Prognose-Popstar« und »Wundernerd« weltberühmt geworden. Er hat die Wahlergebnisse aller 50 amerikanischen Bundesstaaten absolut exakt vorausgesagt – doch damit nicht genug: Jetzt zeigt Nate Silver, wie seine Prognosen in Zukunft Terroranschläge, Umweltkatastrophen und Finanzkrisen verhindern sollen. Gelingt ihm die Abschaffung des Zufalls? Warum werden Wettervorhersagen immer besser, während die Terrorattacken vom 11.09.2001 niemand kommen sah? Warum erkennen Ökonomen eine globale Finanzkrise nicht einmal dann, wenn diese bereits begonnen hat? Das Problem ist nicht der Mangel an Informationen, sondern dass wir die verfügbaren Daten nicht richtig deuten. Zuverlässige Prognosen aber würden uns helfen, Zufälle und Ungewissheiten abzuwehren und unser Schicksal selbst zu bestimmen. Nate Silver zeigt, dass und wie das geht. Erstmals wendet er seine Wahrscheinlichkeitsrechnung nicht nur auf Wahlprognosen an, sondern auf die großen Probleme unserer Zeit: die Finanzmärkte, Ratingagenturen, Epidemien, Erdbeben, den Klimawandel, den Terrorismus. In all diesen Fällen gibt es zahlreiche Prognosen von Experten, die er überprüft – und erklärt, warum sie meist falsch sind. Gleichzeitig schildert er, wie es gelingen kann, im Rauschen der Daten die wesentlichen Informationen herauszufiltern. Ein unterhaltsamer und spannender Augenöffner!
Posted in Business & Economics

Bayesian Methods for Statistical Analysis

Author: Borek Puza

Publisher: ANU Press

ISBN: 1921934263

Category: Mathematics

Page: 679

View: 8241

Bayesian Methods for Statistical Analysis is a book on statistical methods for analysing a wide variety of data. The book consists of 12 chapters, starting with basic concepts and covering numerous topics, including Bayesian estimation, decision theory, prediction, hypothesis testing, hierarchical models, Markov chain Monte Carlo methods, finite population inference, biased sampling and nonignorable nonresponse. The book contains many exercises, all with worked solutions, including complete computer code. It is suitable for self-study or a semester-long course, with three hours of lectures and one tutorial per week for 13 weeks.
Posted in Mathematics

Einführung in die Bayes-Statistik

Author: Karl-Rudolf Koch

Publisher: Springer-Verlag

ISBN: 3642569706

Category: Science

Page: 225

View: 549

Das Buch führt auf einfache und verständliche Weise in die Bayes-Statistik ein. Ausgehend vom Bayes-Theorem werden die Schätzung unbekannter Parameter, die Festlegung von Konfidenzregionen für die unbekannten Parameter und die Prüfung von Hypothesen für die Parameter abgeleitet. Angewendet werden die Verfahren für die Parameterschätzung im linearen Modell, für die Parameterschätzung, die sich robust gegenüber Ausreißern in den Beobachtungen verhält, für die Prädiktion und Filterung, die Varianz- und Kovarianzkomponentenschätzung und die Mustererkennung. Für Entscheidungen in Systemen mit Unsicherheiten dienen Bayes-Netze. Lassen sich notwendige Integrale analytisch nicht lösen, werden numerische Verfahren mit Hilfe von Zufallswerten eingesetzt.
Posted in Science

Innovations in Bayesian Networks

Theory and Applications

Author: Dawn E. Holmes

Publisher: Springer Science & Business Media

ISBN: 3540850651

Category: Mathematics

Page: 322

View: 1457

Bayesian networks currently provide one of the most rapidly growing areas of research in computer science and statistics. In compiling this volume we have brought together contributions from some of the most prestigious researchers in this field. Each of the twelve chapters is self-contained. Both theoreticians and application scientists/engineers in the broad area of artificial intelligence will find this volume valuable. It also provides a useful sourcebook for Graduate students since it shows the direction of current research.
Posted in Mathematics

Bayesian statistical modelling

Author: Peter Congdon

Publisher: John Wiley & Sons Inc

ISBN: 9780471496007

Category: Mathematics

Page: 531

View: 7676

Bayesian methods draw upon previous research findings and combine them with sample data to analyse problems and modify existing hypotheses. The calculations are often extremely complex, with many only now possible due to recent advances in computing technology. Bayesian methods have as a result gained wider acceptance, and are applied in many scientific disciplines, including applied statistics, public health research, medical science, the social sciences and economics. Bayesian Statistical Modelling presents an accessible overview of modelling applications from a Bayesian perspective. * Provides an integrated presentation of theory, examples and computer algorithms * Examines model fitting in practice using Bayesian principles * Features a comprehensive range of methodologies and modelling techniques * Covers recent innovations in bayesian modelling, including Markov Chain Monte Carlo methods * Includes extensive applications to health and social sciences * Features a comprehensive collection of nearly 200 worked examples * Data examples and computer code in WinBUGS are available via ftp Whilst providing a general overview of Bayesian modelling, the author places emphasis on the principles of prior selection, model identification and interpretation of findings, in a range of modelling innovations, focussing on their implementation with real data, with advice as to appropriate computing choices and strategies. Researchers in applied statistics, medical science, public health and the social sciences will benefit greatly from the examples and applications featured. The book will also appeal to graduate students of applied statistics, data analysis and Bayesian methods, and will provide a good reference source for both researchers and students.
Posted in Mathematics

Visualize This!

Author: Nathan Yau

Publisher: John Wiley & Sons

ISBN: 3527760229

Category: Statistics / Graphic methods / Data processing

Page: 422

View: 942

A guide on how to visualise and tell stories with data, providing practical design tips complemented with step-by-step tutorials.
Posted in Statistics / Graphic methods / Data processing