展开全部

主编推荐语

这本书告诉你,学习统计学竟然可以完全不需要公式,仅靠简单的四则运算就能学会。

内容简介

本书抛开让人难以理解的“贝叶斯公式”,用“面积图”做直观形象的解读。只要会做四则运算,就能快速入门,进而在一个个生活场景中,领会贝叶斯统计学的精髓。贝叶斯统计学的优势在于“在数据少的情况下也可以进行推测”,贝叶斯统计学的统计过程和人脑的决策过程是很相似的,在人工智能时代有着广泛的商业应用。微软操作系统、谷歌的自动翻译系统等都引入了贝叶斯统计技术。如果能够熟练掌握贝叶斯统计,个人也能够更好地做决策,可以说与好的生活息息相关。

目录

  • 版权信息
  • 第0讲 只要会做四则运算,便可掌握贝叶斯统计学 本书的特点
  • 0-1 从零基础达到应用水平
  • 0-2 仅使用面积图和简单算术
  • 0-3 比尔·盖茨也在关注它!贝叶斯统计在商业活动中的应用
  • 0-4 贝叶斯统计依存于人的心理
  • 0-5 附带简单的填空练习题,适合自学
  • 第1部 快速学习!理解贝叶斯统计学的精髓
  • 第1讲 信息增加导致概率变化 “贝叶斯推理”的基本方法
  • 1-1 通过贝叶斯推理来辨别“买东西的人”和“随便逛逛的人”
  • 1-2 第一步:通过经验设定“先验概率”
  • 1-3 第二步:设置发生“向店员询问”事件的条件概率
  • 1-4 第三步:通过观察到的行为,排除“不可能的情况”
  • 1-5 第四步:寻求“来买东西的人”的“贝叶斯逆概率”
  • 1-6 贝叶斯推理过程的总结
  • 第2讲 贝叶斯推理的结果,有时与直觉大相径庭① 使用客观数据时的注意事项
  • 2-1 计算罹患癌症的概率
  • 2-2 根据医疗数据,设定“先验概率”
  • 2-3 以检查准确率为线索,设定“条件概率”
  • 2-4 检查结果呈阳性,因而排除掉“不可能的情况”
  • 2-5 计算罹患癌症的“贝叶斯逆概率”
  • 2-6 贝叶斯推理过程的总结
  • 第3讲 根据主观数字也可以进行推理 疑惑时分的“理由不充分原理”
  • 3-1 推测送巧克力的女同事的心意
  • 3-2 主观上设定你是否是“真命天子”的“先验概率”
  • 3-3 设法找到数据,设定“条件概率”
  • 3-4 收到巧克力,排除掉“不可能的情况”
  • 3-5 贝叶斯推理的过程总结
  • 3-6 计算“信念的程度”也可以使用贝叶斯推理
  • 第4讲 运用“概率的概率”,拓宽推理范围
  • 4-1 第一个孩子是女儿,那么下一个孩子是男孩还是女孩?
  • 4-2 将“概率的概率”设置为“先验概率”
  • 4-3 把“生女孩的概率”直接作为“条件概率”来使用
  • 4-4 第一胎已经生了女孩,因此可以排除掉“不可能的情况”
  • 4-5 贝叶斯推理的过程总结
  • 4-6 在计算“第二胎生女孩的概率”时,使用“期待值”
  • 第5讲 从推算过程开始,逐渐明确的贝叶斯推理的特征
  • 5-1 实际上,贝叶斯统计学比一般的统计学历史更为悠久
  • 5-2 何为推论
  • 5-3 逻辑推理的过程
  • 5-4 概率推理的过程
  • 第6讲 明快而严格,但其使用场合受到限制的内曼-皮尔逊式推理
  • 6-1 运用内曼-皮尔逊式推理解答有关壶的问题
  • 6-2 假设检验的过程
  • 6-3 假设检验中也存在无法做出判断的情况
  • 第7讲 通过少量信息得出切实结论的贝叶斯推理与内曼-皮尔逊式推理的差异
  • 7-1 用贝叶斯推理解开壶的问题
  • 7-2 把A壶和B壶分别设定为一个类别
  • 7-3 贝叶斯推理无论在何种条件下,都能得出一个暂时的结果
  • 7-4 贝叶斯推理和内曼-皮尔逊式推理中,“风险”的含义不同
  • 7-5 从逻辑性观点出发,看贝叶斯推理的过程
  • 第8讲 贝叶斯推理的基础:极大似然原理 贝叶斯统计学与内曼-皮尔逊统计学的衔接点
  • 8-1 贝叶斯统计学与内曼-皮尔逊统计学的共通点
  • 8-2 “极大似然原理”被运用到众多学科当中
  • 8-3 贝叶斯推理以极大似然原理为基础
  • 8-4 内曼-皮尔逊统计学也以极大似然原理为基础
  • 第9讲 贝叶斯推理的结果,有时与直觉大相径庭② 蒙蒂霍尔问题与三个囚犯的问题
  • 9-1 贝叶斯逆概率的悖论
  • 9-2 悖论① 蒙蒂霍尔问题
  • 9-3 悖论② 三个囚犯的问题
  • 9-4 这两个问题的本质是相同的
  • 9-5 通过贝叶斯推理推导出矛盾
  • 9-6 结论因模型的设定自身而发生变化
  • 第10讲 掌握多条信息时的推理① 运用“独立试验的概率乘法公式”
  • 10-1 运用多项信息进行贝叶斯推理
  • 10-2 将两个试验结合起来
  • 10-3 用乘法运算得出独立的直积试验的概率
  • 10-4 独立试验概率的乘法公式
  • 第11讲 掌握多条信息时的推理② 以垃圾邮件过滤器为例
  • 11-1 垃圾邮件过滤器以贝叶斯推理为基础
  • 11-2 在过滤器上设置“先验概率”
  • 11-3 扫描字句与条件概率的设定
  • 11-4 根据扫描结果,计算垃圾邮件的贝叶斯逆概率
  • 11-5 获得第2条信息后,可能性随之变为8种
  • 11-6 从2个信息可以消去不可能的情况
  • 第12讲 在贝叶斯推理中可以依次使用信息 “序贯理性”
  • 12-1 在进行贝叶斯推理时,即使忘记了之前的信息也是合乎逻辑的
  • 12-2 把从信息①中得到的后验概率,设为“先验概率”
  • 12-3 通过信息②进行贝叶斯更新
  • 12-4 贝叶斯推理具有智慧性
  • 第13讲 每获得一条信息,贝叶斯推理就变得更精确一些
  • 13-1 从“勉勉强强”的推测变为“更加精确”的推理
  • 13-2 壶的问题:取出2个球
  • 13-3 第二次取出的也是黑球的情况下的推理
  • 13-4 第二次取出的是白球的情况下的推理
  • 13-5 根据最新的观察结果,结论发生变化
  • 13-6 观察次数越多,推算结果就越接近实际
  • 第2部 完全自学!从“概率论”到“正态分布”
  • 第14讲 “概率”与“面积”的性质相同概率论的基础
  • 14-1 复杂的贝叶斯推理需要用到概率符号
  • 14-2 通过函数的形式来记述概率
  • 14-3 概率与面积的性质相同
  • 14-4 用概率符号来表示贝叶斯推理的先验概率
  • 14-5 用概率符号来表示用“&”连接起来的事件
  • 第15讲 在获得信息之后,概率的表示方法 “条件概率”的基本性质
  • 15-1 运用“条件概率”来表示“贝叶斯逆概率”
  • 15-2 “条件概率”把部分看作整体,从而变更数值
  • 15-3 各个类别被赋予的概率=条件概率
  • 15-4 通过条件概率的公式理解后验概率
  • 第16讲 “概率分布图”帮助我们进行更加通用的推理
  • 16-1 到达到实用水平,需要“概率分布图”和“期待值”
  • 16-2 思考“同样的可能”型的概率模型
  • 16-3 把“大致相同”模型转换为成连续化的“均匀分布”
  • 16-4 [0,1]-赌盘模型中的一般事件的概率
  • 16-5 能够用图说明复杂概率模型的“概率分布图”
  • 第17讲 “贝塔分布”的性质由两个数字决定
  • 17-1 贝叶斯推理中经常使用的连续型分布——“贝塔分布”
  • 17-2 何为“贝塔分布”
  • 17-3 α=1,β=1的例子即为[0,1]-赌盘模型
  • 17-4 α=2,β=1的例子
  • 17-5 α=1,β=2的例子
  • 17-6 α=2,β=2的例子
  • 17-7 在贝塔分布中,若α、β增大,情况就会变得复杂
  • 第18讲 决定概率分布性质的“期待值”
  • 18-1 用一个数值来代表概率分布
  • 18-2 期待值的计算方法
  • 18-3 长期来看,期待值是与实际情况相符的
  • 18-4 期待值可以作为使概率分布图保持平衡的支点
  • 18-5 计算掷骰子和生女孩案例中的期待值
  • 18-6 通过贝塔分布来计算期待值
  • 第19讲 在“贝塔分布”中使用概率分布图进行高级推理
  • 19-1 对“生女孩”的案例进行更准确的推理
  • 19-2 设定先验分布为均匀分布,并进行推理
  • 19-3 第二胎依然为女孩时的推理
  • 19-4 设定先验分布非均匀分布,并进行推理
  • 19-5 在先验分布中运用贝塔分布的原因
  • 第20讲 在抛硬币或天体观测时观察到的“正态分布”
  • 20-1 统计学的主角——“正态分布”
  • 20-2 呈现吊钟型的正态分布
  • 20-3 正态分布由“μ”和“б”决定
  • 20-4 将一般正态分布概率转换为标准正态分布形式
  • 20-5 正态分布的多个观测值的平均值为正态分布
  • 第21讲 在“正态分布”中使用概率分布图进行高级推理
  • 21-1 把正态分布设定为先验分布,并进行推理
  • 21-2 用不准确的温度计推算洗澡水的温度
  • 21-3 根据正态分布进行贝叶斯推理的步骤
  • 21-4 后验分布的含义
  • 21-5 根据正态分布进行贝叶斯推理的公式
  • 21-6 测量两次水温之后的贝叶斯推理
  • 补讲 贝塔分布的积分计算
  • 结语 贝叶斯统计——21世纪最振奋人心的科学
  • 参考文献 写给想学到更多知识的读者朋友们
  • 练习题参考答案
展开全部

评分及书评

4.2
61个评分
  • 用户头像
    给这本书评了
    4.0
    给文科生写的贝叶斯统计学

    如果你是个文科生,又对贝叶斯推理十分好奇,强烈推荐这本书!这是一本人人都能懂的贝叶斯统计学。 全书没有一个让人眼花瞭乱、望而却步的复杂公式,也几乎没有概率符号。那怎么算呢?用长方形的面积图,就可以进行贝叶斯推理,简单而高效。而且效果毫不逊色于使用概率符号的讲解方式。 不说虚的,的确如此。我是个文科生,数学不好。但书中给出的方法,都非常通俗易懂、简单实用。前半本书的练习题,我都自己计算过了(后边的没算,是因为自己太懒)。看上去难于登天的贝叶斯推理,原来可以如此简单。 书中的例子,也都非常有意思。你可以通过自己计算,用结果把本来不相信的自己轻松说服。比如著名的蒙蒂霍尔问题,为什么说你最好换一个选项?你自己算算就明白啦! 来,开启一场有意思的烧脑之旅吧!

      1
      2
      用户头像
      给这本书评了
      4.0
      用贝叶斯算法,解决未知难题

      作者用更容易理解的图形呈现方式,示范如何用贝叶斯计算法。非常适合入门级别的人。如果你讨厌方程式,又想要理解贝叶斯算法,那这本书太适合你了。这本书有两大部分,前半部分解释了简单易懂的图形贝叶斯算法,这是我觉得最棒的地方。下半部分稍微复杂,如果想精进可以慢慢地品会。这本书非常适合与其他得到课程一起学习。尤其是概率课和人生算法课。

        1
        评论
        用户头像
        给这本书评了
        4.0

        本书中多次讲到,从传统的科学角度看,运用了主观概率的贝叶斯推理某种程度上是 “不靠谱的”。从积极的态度来说,贝叶斯推理是思想性、哲学性的,这也正是 “主观” 的内容处在数理科学中的地位。然而,从 “观察到的结果” 来追溯 “引起该结果的原因”,就需要某种 “逻辑上的飞跃”。这里重要的是,这个 “逻辑上的飞跃” 是否具备自始至终的方法论和明确性,以及作为一项技术,是否具备实践的有效性。而贝叶斯推理具备了这两个方面的优势,从而推翻了 “不靠谱” 的怀疑,因而有着独特的魅力。贝叶斯推理正是由于它的思想性,才拥有生命力。20 世纪,客观概率(频率论概率)奠定了物理学作为物质科学基础的地位。此后的 21 世纪,主观概率和贝叶斯推理的相关理论,奠定了经济学作为人类科学基础的地位,这无疑是最振奋人心的领域。

          转发
          评论
        • 查看全部26条书评

        出版方

        北京时代华文书局 

        北京时代华文书局有限公司是安徽出版集团、时代出版传媒公司在北京独资设立的子公司,是全国第一家跨地区出版社。