計算貝葉斯統計導論 Computational Bayesian Statistics: An Introduction
Maria Antónia Amaral Turkman，Carlos Daniel Paulino，Peter Müller 譯 李忠偉，王剛
- 出版商: 機械工業
- 出版日期: 2023-03-01
- 定價: $534
- 售價: 8.5 折 $454
- 語言: 簡體中文
- 頁數: 221
- 裝訂: 平裝
- ISBN: 7111721063
- ISBN-13: 9787111721062
-
相關分類:
機率統計學 Probability-and-statistics
- 此書翻譯自: Computational Bayesian Statistics: An Introduction
立即出貨 (庫存 < 4)
買這商品的人也買了...
-
統計推論 (Statistical Inference, 2/e)$720$684 -
高等微積分【解析概論】$550$523 -
泛函分析 (原書第2版‧典藏版)$474$450 -
Linear Algebra for Everyone (Hardcover)$2,980$2,831 -
$709應用線性代數 -
優美的數學思維：問題求解與證明, 2/e (Mathematical Thinking： Problem-Solving and Proofs, 2/e)$834$792 -
貝葉斯的博弈 : 數學、思維與人工智能$654$621 -
$163傾向值匹配法的概述與應用：從統計關聯到因果推論 -
$458貝葉斯統計導論 -
Python 數學建模算法與應用$450$428 -
$1,423機器學習：貝葉斯和優化方法, 2/e (Machine Learning : A Bayesian and Optimization Perspective, 2/e) -
$454博弈論：策略分析入門, 3/e (Game Theory: A Nontechnical Introduction to the Analysis of Strategy, 3/e) -
$254程序員的數學4：圖論入門 -
$866泛函分析導論及應用 -
$607概率圖模型原理與應用, 2/e -
$352區塊鏈技術基礎教程：原理、方法及實踐 -
線性代數 (原書第10版)$594$564 -
演算法邏輯力：工程師必備的演算法解題、設計、加速技巧 (Algorithmic Thinking: A Problem-Based Introduction)$720$475 -
$252線性代數與概率統計 -
$611Python 貝葉斯分析, 2/e -
應用隨機過程 概率模型導論, 11/e$594$564 -
AI 加速器架構設計與實現圖書$594$564 -
$862應用多元統計（原書5版） -
網頁設計完全攻略 HTML、CSS、JavaScript、Bootstrap、jQuery、Vue.js、RWD｜搭配 ChatGPT 效率加倍$980$774 -
$607線性代數：計算科學與工程專業教學 (原書第2版) (Linear Algebra for Computational Sciences and Engineering, 2/e)
中文年末書展｜繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components：從原子到系統，一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場：社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用：DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用！Word．Excel．PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光：資安數位生存戰$550$412 -
85折
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$544 -
79折
Google BI 解決方案：Looker Studio × AI 數據驅動行銷實作，完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus！職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化！$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略：圖解 AI 與 Copilot 應用，輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word！論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術：用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持！Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!：Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化（iThome鐵人賽系列書）$780$608 -
78折
超實用！業務．總管．人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM：AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」：52 個零程式互動體驗，打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare：惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人：回顧從 Ada 到 AI 這條程式路，程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫！用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者：Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本｜Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊：生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
有意義地使用高級貝葉斯方法需要對基本原理有很好的理解。
這本引人入勝的書解釋了支撐貝葉斯模型構建和分析的思想，特別側重於計算方法和方案。
本書的獨特之處是對可用軟件包進行了廣泛的討論，並對貝葉斯推理進行了簡短但完整且數學嚴謹的介紹。
本書介紹了蒙特卡羅方法、馬爾可夫鏈蒙特卡羅方法和貝葉斯軟件，另外還介紹了模型驗證和比較、跨維MCMC和條件高斯模型。
本書所包含的問題使本書適合作為貝葉斯計算的第yi門研究生課程的教科書。
對貝葉斯軟件的廣泛討論——R/R- inla、OpenBUGS、JAGS、STAN和BayesX——使得它對來自統計之外的研究人員和研究生也很有用。
作者簡介
瑪麗亞·安特尼亞·阿馬拉爾·土庫曼斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦斯坦，曾是裡斯本大學理學院統計與運籌學系教授，現已退休。她曾擔任葡萄牙統計學會副會長。她的研究興趣有貝葉斯統計、醫學和環境統計以及時空建模等。
目錄大綱
前言
第1章貝葉斯推斷1 1.1 經典範式1
1.2 貝葉斯範式4
1.3 貝葉斯推斷7
1.3.1 參數推斷7
1.3.2 預測推斷10
1.4 結論11
習題12
第2章先驗信息表示14
2.1 無信息先驗14
2.2 自然共軛先驗19
習題22
第3章基礎問題中的貝葉斯推斷24
3.1 二項分佈與貝塔模型24
3.2 泊松分佈與伽馬模型25
3.3 正態分佈（μ已知）與逆伽馬模型26
3.4 正態分佈（μ,σ2未知）與傑弗裡斯先驗27
3.5 兩個獨立的正態模型與邊緣傑弗裡斯先驗28
3.6 兩個獨立的二項分佈與貝塔分佈30
3.7 多項分佈與狄利克雷模型31
3.8 有限總體中的推斷34
習題35
第4章蒙特卡羅方法推斷38
4.1 簡單蒙特卡羅方法38
4.1.1 後驗概率41
4.1.2 可信區間41
4.1.3 邊緣後驗分佈42
4.1.4 預測匯總44
4.2 重要性抽樣蒙特卡羅方法44
4.2.1 可信區間47
4.2.2 貝葉斯因子49
4.2.3 邊緣後驗密度51
4.3 序貫蒙特卡羅方法52
4.3.1 動態狀態空間模型52
4.3.2 粒子濾波器54
4.3.3 自適應粒子濾波器55
4.3.4 參數學習56
習題57
第5章模型評估62
5.1 模型評判與充分性62
5.2 模型選擇與比較67
5.2.1 預測性能度量67
5.2.2 通過後驗預測性能進行選擇71
5.2.3 使用貝葉斯因子進行模型選擇73
5.3 模型評估中模擬的更多說明74
5.3.1 評估後驗預測分佈74
5.3.2 先驗預測密度估計75
5.3.3 從預測分佈中抽樣76
習題77
第6章馬爾可夫鏈蒙特卡羅方法79
6.1 馬爾可夫鏈的定義和基本結果80
6.2 梅特羅波利斯-黑斯廷斯算法82
6.3 吉布斯抽樣器86
6.4 切片抽樣器92
6.5 哈密頓蒙特卡羅93
6.5.1 哈密頓動力學93
6.5.2 哈密頓蒙特卡羅轉移概率96
6.6 實現細節99
習題102
第7章模型選擇和跨維MCMC113
7.1 參數空間上的MC模擬113
7.2 模型空間上的MC模擬114
7.3 模型和參數空間上的MC模擬119
7.4 可逆跳躍MCMC121
習題125
第8章基於解析近似的方法131
8.1 解析方法131
8.1.1 多元正態後驗近似131
8.1.2 經典拉普拉斯方法134
8.2 潛高斯模型139
8.3 積分嵌套拉普拉斯近似141
8.4 變分貝葉斯推斷143
8.4.1 後驗近似143
8.4.2 坐標上升算法144
8.4.3 自動微分變分推斷147
習題147
第9章軟件151
9.1 應用實例151
9.2 BUGS項目：WinBUGS和OpenBUGS152
9.2.1 應用實例：使用R2OpenBUGS154
9.3 JAGS159
9.3.1 應用實例：使用R2jags160
9.4 Stan163
9.4.1 應用實例：使用RStan164
9.5 BayesX171
9.5.1 應用實例：使用R2BayesX172
9.6 收斂性診斷：CODA程序和BOA程序176
9.6.1 收斂性診斷176
9.6.2 CODA包和BOA包178
9.6.3 應用實例：CODA和BOA180
9.7 R-INLA和應用實例190
9.7.1 應用實例192
習題198附錄200
附錄A200
附錄B206索引209參考文獻213
