貝葉斯思維 : 統計建模的 Python 學習法 贝叶斯思维:统计建模的Python学习法

唐尼 (Allen B.Downey)

  • 出版商: 人民郵電出版社
  • 出版日期: 2015-04-01
  • 定價: CNY $49.00
  • 售價: $294
  • 貴賓價: 9.5$279
  • 語言: 簡體中文
  • 頁數: 168
  • 裝訂: 平裝
  • ISBN: 7115384282
  • ISBN-13: 9787115384287

下單後立即進貨 (4週~6週)

買這商品的人也買了...

產品描述

<內容簡介>

這本書幫助那些希望用數學工具解決實際問題的人們,僅有的要求可能就是懂一點概率知識和程序設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數學方法,對於一個計算機專業的人士,應當熟悉其應用在諸如機器翻譯,語音識別,垃圾郵件檢測等常見的計算機問題領域。
可是本書實際上會遠遠擴大你的視野,即使不是一個計算機專業的人士,你也可以看到在戰爭環境下(二戰德軍坦克問題),法律問題上(腎腫瘤的假設驗證),體育博彩領域(棕熊隊和加人隊NFL比賽問題)貝葉斯方法的威力。怎麼從有限的信息判斷德軍裝甲部隊的規模,你所支持的球隊有多大可能贏得冠軍,在《龍與地下城》勇士中,你應當對遊戲角色屬性的峰值有什麼樣的期望,甚至在普通的彩彈射擊遊戲中,擁有一些貝葉斯思維也能幫助到你提高遊戲水平。
除此以外,本書在共計15章的篇幅中討論了怎樣解決十幾個現實生活中的實際問題。在這些問題的解決過程中,作者還潛移默化的幫助讀者形成了建模決策的方法論,建模誤差和數值誤差怎麼取捨,怎樣為具體問題建立數學模型,如何抓住問題中的主要矛盾(模型中的關鍵參數),再一步一步的優化或者驗證模型的有效性或者局限性。在這個意義上,這本書又是一本關於數學建模的成功樣本。

<章節目錄>


1.1條件概率1
1.2聯合概率2
1.3曲奇餅問題2
1.4貝葉斯定理3
1.5歷時詮釋4
1.6M&M豆問題5
1.7MontyHall難題6
1.8討論8
第2章統計計算9
2.1分佈9
2.2曲奇餅問題10
2.3貝葉斯框架11
2.4MontyHall難題12
2.5封裝框架13
2.6M&M豆問題14
2.7討論15
2.8練習16
第3章估計17
3.1骰子問題17
3.2火車頭問題18
3.3怎樣看待先驗概率?20
3.4其他先驗概率21
3.5置信區間23
3.6累積分佈函數23
3.7德軍坦克問題24
3.8討論24
3.9練習25
第4章估計進階27
4.1歐元問題27
4.2後驗概率的概述28
4.3先驗概率的湮沒29
4.4優化31
4.5 Beta分佈32
4.6討論34
4.7練習34
第5章勝率和加數37
5.1勝率37
5.2貝葉斯定理的勝率形式38
5.3奧利弗的血跡39
5.4加數40
5.5最大化42
5.6混合分佈45
5.7討論47
第6章決策分析49
6.1“正確的價格”問題49
6.2先驗概率50
6.3概率密度函數50
6.4PDF的表示51
6.5選手建模53
6.6似然度55
6.7更新55
6.8最優出價57
6.9討論59
第7章預測61
7.1波士頓棕熊隊問題61
7.2泊松過程62
7.3後驗63
7.4入球分佈64
7.5獲勝的概率66
7.6突然死亡法則66
7.7討論68
7.8練習69
第8章觀察者的偏差71
8.1紅線問題71
8.2模型71
8.3等待時間73
8.4預測等待時間75
8.5估計到達率78
8.6消除不確定性80
8.7決策分析81
8.8討論83
8.9練習84
第9章二維問題85
9.1彩彈85
9.2Suite對象85
9.3三角學87
9.4似然度88
9.5聯合分佈89
9.6條件分佈90
9.7置信區間91
9.8討論93
9.9練習94
第10章貝葉斯近似計算95
10.1變異性假說95
10.2均值和標準差96
10.3更新98
10.4CV的後驗分佈98
10.5數據下溢99
10.6對數似然100
10.7一個小的優化101
10.8ABC(近似貝葉斯計算)102
10.9估計的可靠性104
10.10誰的變異性更大?105
10.11討論107
10.12練習108
第11章假設檢驗109
11.1回到歐元問題109
11.2來一個公平的對比110
11.3三角前驗111
11.4討論112
11.5練習113
第12章證據115
12.1解讀SAT成績115
12.2比例得分SAT115
12.3先驗116
12.4後驗117
12.5一個更好的模型119
12.6校準121
12.7效率的後驗分佈122
12.8預測分佈123
12.9討論124
第13章模擬127
13.1腎腫瘤的問題127
13.2一個簡化模型128
13.3更普遍的模型130
13.4實現131
13.5緩存聯合分佈132
13.6條件分佈133
13.7序列相關性135
13.8討論138
第14章層次化模型139
14.1蓋革計數器問題139
14.2從簡單的開始140
14.3分層模型141
14.4一個小優化142
14.5抽取後驗142
14.6討論144
14.7練習144
第15章處理多維問題145
15.1臍部細菌145
15.2獅子,老虎和熊145
15.3分層版本148
15.4隨機抽樣149
15.5優化150
15.6堆疊的層次結構151
15.7另一個問題153
15.8還有工作要做154
15.9肚臍數據156
15.10預測分佈158
15.11聯合後驗161
15.12覆蓋162
15.13討論164