展开全部

主编推荐语

一本帮助内行掌握数学工具,外行掌握贝叶斯思维的好书。

内容简介

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峰值有什么样的期望,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。

目录

  • 版权信息
  • 内容提要
  • 推荐序
  • 前言
  • 学习之道
  • 建模和近似
  • 代码指南
  • 编码风格
  • 预备条件
  • 书中使用的惯例写法
  • 我们的联系方式
  • 贡献者列表
  • 第1章 贝叶斯定理
  • 1.1 条件概率
  • 1.2 联合概率
  • 1.3 曲奇饼问题
  • 1.4 贝叶斯定理
  • 1.5 历时诠释
  • 1.6 M&M豆问题
  • 1.7 Monty Hall难题
  • 1.8 讨论
  • 第2章 统计计算
  • 2.1 分布
  • 2.2 曲奇饼问题
  • 2.3 贝叶斯框架
  • 2.4 Monty Hall难题
  • 2.5 封装框架
  • 2.6 M&M豆问题
  • 2.7 讨论
  • 2.8 练习
  • 第3章 估计
  • 3.1 骰子问题
  • 3.2 火车头问题
  • 3.3 怎样看待先验概率?
  • 3.4 其他先验概率
  • 3.5 置信区间
  • 3.6 累积分布函数
  • 3.7 德军坦克问题
  • 3.8 讨论
  • 3.9 练习
  • 第4章 估计进阶
  • 4.1 欧元问题
  • 4.2 后验概率的概述
  • 4.3 先验概率的湮没
  • 4.4 优化
  • 4.5 Beta分布
  • 4.6 讨论
  • 4.7 练习
  • 第5章 胜率和加数
  • 5.1 胜率
  • 5.2 贝叶斯定理的胜率形式
  • 5.3 奥利弗的血迹
  • 5.4 加数
  • 5.5 最大化
  • 5.6 混合分布
  • 5.7 讨论
  • 第6章 决策分析
  • 6.1 “正确的价格”问题
  • 6.2 先验概率
  • 6.3 概率密度函数
  • 6.4 PDF的表示
  • 6.5 选手建模
  • 6.6 似然度
  • 6.7 更新
  • 6.8 最优出价
  • 6.9 讨论
  • 第7章 预测
  • 7.1 波士顿棕熊队问题
  • 7.2 泊松过程
  • 7.3 后验
  • 7.4 进球分布
  • 7.5 获胜的概率
  • 7.6 突然死亡法则
  • 7.7 讨论
  • 7.8 练习
  • 第8章 观察者的偏差
  • 8.1 红线问题
  • 8.2 模型
  • 8.3 等待时间
  • 8.4 预测等待时间
  • 8.5 估计到达率
  • 8.6 消除不确定性
  • 8.7 决策分析
  • 8.8 讨论
  • 8.9 练习
  • 第9章 二维问题
  • 9.1 彩弹
  • 9.2 Suite对象
  • 9.3 三角学
  • 9.4 似然度
  • 9.5 联合分布
  • 9.6 条件分布
  • 9.7 置信区间
  • 9.8 讨论
  • 9.9 练习
  • 第10章 贝叶斯近似计算
  • 10.1 变异性假说
  • 10.2 均值和标准差
  • 10.3 更新
  • 10.4 CV的后验分布
  • 10.5 数据下溢
  • 10.6 对数似然
  • 10.7 一个小的优化
  • 10.8 ABC(近似贝叶斯计算)
  • 10.9 估计的可靠性
  • 10.10 谁的变异性更大?
  • 10.11 讨论
  • 10.12 练习
  • 第11章 假设检验
  • 11.1 回到欧元问题
  • 11.2 来一个公平的对比
  • 11.3 三角前验
  • 11.4 讨论
  • 11.5 练习
  • 第12章 证据
  • 12.1 解读SAT成绩
  • 12.2 比例得分SAT
  • 12.3 先验
  • 12.4 后验
  • 12.5 一个更好的模型
  • 12.6 校准
  • 12.7 效率的后验分布
  • 12.8 预测分布
  • 12.9 讨论
  • 第13章 模拟
  • 13.1 肾肿瘤的问题
  • 13.2 一个简化模型
  • 13.3 更普遍的模型
  • 13.4 实现
  • 13.5 缓存联合分布
  • 13.6 条件分布
  • 13.7 序列相关性
  • 13.8 讨论
  • 第14章 层次化模型
  • 14.1 盖革计数器问题
  • 14.2 从简单的开始
  • 14.3 分层模型
  • 14.4 一个小优化
  • 14.5 抽取后验
  • 14.6 讨论
  • 14.7 练习
  • 第15章 处理多维问题
  • 15.1 脐部细菌
  • 15.2 狮子,老虎和熊
  • 15.3 分层版本
  • 15.4 随机抽样
  • 15.5 优化
  • 15.6 堆叠的层次结构
  • 15.7 另一个问题
  • 15.8 还有工作要做
  • 15.9 肚脐数据
  • 15.10 预测分布
  • 15.11 联合后验
  • 15.12 覆盖
  • 15.13 讨论
  • 作者简介
  • 译者简介
  • 关于封面
  • 译后记
展开全部

评分及书评

4.3
3个评分
  • 用户头像
    给这本书评了
    4.0
    世界要的是解决方案,而不是精确无误

    打开这本书,看到满眼的公式和计算,直到大片的计算机语言。这类书天然较少的人看,但事实上,我们的真实世界就是被看过这些书的人左右着,未来更是。理解贝叶斯,需要掌握的并不是那些具体的数学表达式,对普通读者来说,只需要理解:运用有限的信息量,建立相对可靠的模型,完成与客观事实大致统一的结果输出 —— 这就是这帮人一再做着的事情。插个话题:给孩子讲数学思维,千万不要说某某知识是到初中 / 高中 / 大学才学的,放心去给孩子 “灌输” 吧,只要你把思想讲清楚了,孩子的理解力绝对超出你的想象。读者们也是一样的。

      转发
      评论
      用户头像
      给这本书评了
      5.0

      这本书旨在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。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人士,应当熟悉其在诸如机器翻译、语音识别、垃圾邮件检测等常见的计算机领域的应用。

        转发
        评论

      出版方

      人民邮电出版社

      人民邮电出版社是工业和信息化部主管的大型专业出版社,成立于1953年10月1日。人民邮电出版社坚持“立足信息产业、面向现代社会、传播科学知识、服务科教兴国”,致力于通信、计算机、电子技术、教材、少儿、经管、摄影、集邮、旅游、心理学等领域的专业图书出版。