《貝葉斯思維統計建模的Python學習法》是人民郵政出版社出版的一部圖書。
主要內容,目 錄,
主要內容
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機率知識和程式設計。而貝葉斯方法是一種常見的利用機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，應當熟悉其套用在諸如機器翻譯，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。怎么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最大值有什麼樣的期望，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，本書在總計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么取捨，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），再一步一步的最佳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。
目 錄
第1章 貝葉斯定理 1
1.1 條件機率 1
1.2 聯合機率 2
1.3 曲奇餅問題 2
1.4 貝葉斯定理 3
1.5 歷時詮釋 4
1.6 M&M豆問題 5
1.7 Monty Hall難題 6
1.8 討論 8
第2章 統計計算 9
2.1 分布 9
2.2 曲奇餅問題 10
2.3 貝葉斯框架 11
2.4 Monty Hall難題 12
2.5 封裝框架 13
2.6 M&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 怎樣看待先驗機率？ 20
3.4 其他先驗機率 21
3.5 置信區間 23
3.6 累積分布函式 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 後驗機率的概述 28
4.3 先驗機率的湮沒 29
4.4 最佳化 31
4.5 Beta分布 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 混合分布 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 先驗機率 50
6.3 機率密度函式 50
6.4 PDF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 進球分布 64
7.5 獲勝的機率 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
9.2 Suite對象 85
9.3 三角學 87
9.4 似然度 88
9.5 聯合分布 89
9.6 條件分布 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
10.4 CV的後驗分布 98
10.5 數據下溢 99
10.6 對數似然 100
10.7 一個小的最佳化 101
10.8 ABC（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SAT 115
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 效率的後驗分布 122
12.8 預測分布 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 快取聯合分布 132
13.6 條件分布 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 一個小最佳化 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 最佳化 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 預測分布 158
15.11 聯合後驗 161
15.12 覆蓋 162
15.13 討論 164
