时光漫步

时光漫步

图书全部分类
套装书
婚恋与两性
字典词典/工具书
教学/实验用品
棋牌麻将
白酒
积木拼插
绘图计算用品
青少年素质培养

资源详情

贝叶斯思维 统计建模的Python学习法(异步图书出品)

贝叶斯思维 统计建模的Python学习法(异步图书出品)-电子书下载封面


作者: [美]Allen B. Downey(艾伦·唐尼)
出版社: 人民邮电出版社
副标题: 统计建模的Python学习法
原作名: Think Bayes
译者: 许杨毅
出版年: 2015-3
页数: 200
定价: 49.00
装帧: 平装
ISBN: 9787115384287

下载次数:38

书籍详情介绍

贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图
贝叶斯思维 统计建模的Python学习法(异步图书出品)详情图

书籍资料

  • 内容简介
  • 作者介绍
  • 书籍目录

这本书帮助那些希望用数学工具解决实际问题的人们,仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法,对于一个计算机专业的人士,应当熟悉其应用在诸如机器翻译,语音识别,垃圾邮件检测等常见的计算机问题领域。
可是本书实际上会远远扩大你的视野,即使不是一个计算机专业的人士,你也可以看到在战争环境下(二战德军坦克问题),法律问题上(肾肿瘤的假设验证),体育博彩领域(棕熊队和加人队NFL比赛问题)贝叶斯方法的威力。怎么从有限的信息判断德军装甲部队的规模,你所支持的球队有多大可能赢得冠军,在《龙与地下城》勇士中,你应当对游戏角色属性的最大值有什么样的期望,甚至在普通的彩弹射击游戏中,拥有一些贝叶斯思维也能帮助到你提高游戏水平。
除此以外,本书在共计15章的篇幅中讨论了怎样解决十几个现实生活中的实际问题。在这些问题的解决过程中,作者还潜移默化的帮助读者形成了建模决策的方法论,建模误差和数值误差怎么取舍,怎样为具体问题建立数学模型,如何抓住问题中的主要矛盾(模型中的关键参数),再一步一步的优化或者验证模型的有效性或者局限性。在这个意义上,这本书又是一本关于数学建模的成功样本。

作者:Allen Downey,是欧林工程学院的计算机教授,加州大学伯克利分校的计算机博士。他在韦斯利学院(Wellesley College)、科尔比学院(Colby College)和加州大学伯克利分校讲授计算机科学课程。他也是O’Reilly出版的Think Stats和Think Python图书的作者。
译者:许杨毅,新浪网系统架构师,技术保障部总监,毕业于湖南大学,15年互联网工作经验。

第1章贝叶斯定理 1
1.1条件概率 1
1.2联合概率 2
1.3曲奇饼问题 2
1.4贝叶斯定理 3
1.5历时诠释 4
1.6M&M豆问题 5
1.7MontyHall难题 6
1.8讨论 8
第2章统计计算 9
2.1分布 9
2.2曲奇饼问题 10
2.3贝叶斯框架 11
2.4MontyHall难题 12
2.5封装框架 13
2.6M&M豆问题 14
2.7讨论 15
2.8练习 16
第3章估计 17
3.1骰子问题 17
3.2火车头问题 18
3.3怎样看待先验概率? 20
3.4其他先验概率 21
3.5置信区间 23
3.6累积分布函数 23
3.7德军坦克问题 24
3.8讨论 24
3.9练习 25
第4章估计进阶 27
4.1 欧元问题 27
4.2 后验概率的概述 28
4.3 先验概率的湮没 29
4.4 优化 31
4.5 Beta分布 32
4.6 

论 34
4.7 练习 34
第5章胜率和加数 37
5.1胜率 37
5.2贝叶斯定理的胜率形式 38
5.3奥利弗的血迹 39
5.4加数 40
5.5最大化 42
5.6混合分布 45
5.7讨论 47
第6章决策分析 49
6.1“正确的价格”问题 49
6.2先验概率 50
6.3概率密度函数 50
6.4PDF的表示 51
6.5选手建模 53
6.6似然度 55
6.7更新 55
6.8最优出价 57
6.9讨论 59
第7章预测 61
7.1 波士顿棕熊队问题 61
7.2 泊松过程 62
7.3 后验 63
7.4 进球分布 64
7.5 获胜的概率 66
7.6 突然死亡法则 66
7.7 讨论 68
7.8 练习 69
第8章观察者的偏差 71
8.1 红线问题 71
8.2 模型 71
8.3 等待时间 73
8.4 预测等待时间 75
8.5 估计到达率 78
8.6 消除不确定性 80
8.7 决策分析 81
8.8 讨论 83
8.9 练习 84
第9章二维问题 85
9.1彩弹 85
9.2Suite对象 85
9.3三角学 87
9.4似然度 88
9.5联合分布 89
9.6条件分布 90
9.7置信区间 91
9.8讨论 93
9.9练习 94
第10章贝叶斯近似计算 95
10.1变异性假说 95
10.2均值和标准差 96
10.3更新 98
10.4CV的后验分布 98
10.5数据下溢 99
10.6对数似然 100
10.7一个小的优化 101
10.8ABC(近似贝叶斯计算) 102
10.9估计的可靠性 104
10.10谁的变异性更大? 105
10.11讨论 107
10.12练习 108
第11章假设检验 109
11.1回到欧元问题 109
11.2来一个公平的对比 110
11.3三角前验 111
11.4讨论 112
11.5练习 113
第12章证据 115
12.1解读SAT成绩 115
12.2比例得分SAT 115
12.3先验 116
12.4后验 117
12.5一个更好的模型 119
12.6校准 121
12.7效率的后验分布 122
12.8预测分布 123
12.9讨论 124
第13章模拟 127
13.1肾肿瘤的问题 127
13.2一个简化模型 128
13.3更普遍的模型 130
13.4实现 131
13.5缓存联合分布 132
13.6条件分布 133
13.7序列相关性 135
13.8讨论 138
第14章层次化模型 139
14.1盖革计数器问题 139
14.2从简单的开始 140
14.3分层模型 141
14.4一个小优化 142
14.5抽取后验 142
14.6讨论 144
14.7练习 144
第15章处理多维问题 145
15.1脐部细菌 145
15.2狮子,老虎和熊 145
15.3分层版本 148
15.4随机抽样 149
15.5优化 150
15.6堆叠的层次结构 151
15.7另一个问题 153
15.8还有工作要做 154
15.9肚脐数据 156
15.10预测分布 158
15.11联合后验 161
15.12覆盖 162
15.13讨论 164


0.501765s