- 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转发同时评论快速转发217分享「微信」扫码分享给这本书评了4.0贝叶斯公式直观图解#每天解读一本书一句话总结,第一次遇到一本书把贝叶斯公式讲得这么直观清晰,利用面积图完全讲清楚了贝叶斯统计背后的原理。
就像其中判断客人是否购买的例子,当我们知道进店的客人买东西和随便逛逛的概率,再知道买东西的人询问的概率,不买东西的人询问的概率,就可以绘制出一幅图,当进来一个客人时并询问时,我们划掉左右不询问的部分,剩下部分的比值就可以得到在询问这件事发生后一个人可能购买的概率更新。
就这么一瞬间我一下明白了贝叶斯公式更新背后的原理,它是这么的直接,比过去所有老师的讲解都要清晰,“Duang” 的下就让我看到这个分析预测最重要的公式运行的机理,非常推荐对贝叶斯统计有兴趣,或者这部分没有学好的同学阅读。
当然这本书也是有缺点的,最后涉及到连续分布的内容困在图片模式中反而有些复杂,不能很好的讲清楚连续分布下贝叶斯更新的结果,不过这点小瑕疵并不影响。1转发同时评论快速转发评论8分享「微信」扫码分享给这本书评了4.0入门好书这本书带有浓厚的日本书籍的气息。书看的多了,就会发现,有一些书,读上一端就能猜出是哪个国家的作者。像这本书,一读上去就知道是日本作家的书,因为读过好几本日本作者的理工科的书,就是很讲究用特别浅显,深入浅出的具体的例子去讲透一些概念,尤其还要配上一些图,虽然说句老实话,有的时候图看的头疼。但是这本书还是挺好的,贝叶斯概率正好前段时间找了一些资料,但是不好看懂,不理解,就放下来了。读完这本书,真的是恍然大悟,虽然可能还是对于理解公式那些还有点困难,但是至少通过这本书理解了贝叶斯概率的本质,再去读相关的书籍就不会有畏难情绪了。但是还是得吐槽一下翻译,不知道翻译是不是专门从事数学方面的学者,但是明显有些地方不符合国内教学内容,就不如说期待值这个概念,虽然理解是什么意思,但是国内从中学达大学,一直是用的期望这个词,所以希望翻译时还是要遵循国内的习惯。
1转发同时评论快速转发24分享「微信」扫码分享给这本书评了4.0这本书终于让我把贝叶斯定理弄明白了之前读大学概率论时,一大堆贝叶斯公式,愣是不明白有啥用,今天无意间看到这本书,两个小时读下来,轻松搞明白了。我印象最深刻的几个收获:1. 如果被检查出得了某种癌症,历史统计患病率很低,那不要一下子就觉得完了,根据贝叶斯定理,可能只有百分之几的概率真正患病,再去复查下。2. 垃圾邮件判断的底层逻辑就是根据贝叶斯来的,比如邮件中有没有链接地址,一些广告词之类的就可以八九不离十判断出来。3. 那有没有可能判断错呢?当然有,但是贝叶斯定理厉害之处就是可以不断通过更多次信息校准的,
转发转发同时评论快速转发评论3分享「微信」扫码分享给这本书评了4.0增加一些知识量总是好事。“统计” 一词,好像是从 “统计局” 这么一个部门开始的。曾以为这是政府为了解、掌握庞大数值的而设置的,甚至有言论说 “统计局” 是清水衙门,无职权、无社会和经济产出,可有可无。在好奇心驱使下,听看了此书,才对 “统计” 有了一点感悟,原来 “统计学” 是一门大学问。在大力发展数字经济的当下,“统计学” 表现出强大的转化和呈现能力,就可以让数字 “活” 起来。在生活和社会活动中,它能化繁去冗,让我们看清和理解事物的本质,让眼、脑匹配起来,甄别真实和干扰。在得到,这个好奇心随时能得到满足,真好!
转发转发同时评论快速转发评论1分享「微信」扫码分享给这本书评了4.0这真是一个神奇的书,带我入门了统计学这样一个有趣的学科在我回忆中,发现没有一个老师是真正把统计学好好的跟我们解释一遍,所以真正能让我理解的原来是这本书,把统计学用通俗的语言,结合案例跟我们简单介绍出来。其实这本书是有一种野心的,那就是称为统计学的入门以及必读书目,我觉得他们已经达到了这个目的。因为假设有一天很多学科都消失了,统计学这门学科还是不会消失,他是所有学科了一个艰深而隐藏的基础,我们因此可以得出非常多的结论,从而恢复所有消失的学科。这样的重要性就不用多说了,我建议大家都要好好读一下。
转发转发同时评论快速转发评论1分享「微信」扫码分享给这本书评了5.0读后感统计学在各学科中有着重要的地位,并且衍生出像统计物理学、统计金融等新学科。统计学有两个重要的分支,分别是贝叶斯统计学和标准统计学(也称为费希尔 - 内曼 - 皮尔逊统计学)。虽然这两个分支都使用过,但从未思考过它们的底层逻辑和思想,也没有认真思考过它们之间的异同点,然而这本书告诉了我们,并且采用浅显易懂的方式。贝叶斯统计学和标准统计学之间共通共融的思想是极大似然原理。贝叶斯统计学直接运用极大似然原理得出推理结果,因为后验概率为(先验概率)×(条件概率)的比例,因此,先验概率大或条件概率大从而更容易被选择的原因,就体现了极大似然原理。标准统计学中极大似然原理并不是运用于推理本身,而是运用于 “为统计推理添加依据” 的过程当中,并不直接参与推理。“为统计推理添加依据” 就是为标准统计学的推理选取最优参数,而最优参数选取的思想,就是运用了极大似然原理。贝叶斯统计学和标准统计学在思考方式、逻辑等方面存在不同之处:一是思考方式不同。基于标准统计学的推理明快、严格,以大数定律为基础。如果缺乏合适的显著水平,有可能无法给出结果。基于贝叶斯统计学的推理无论在任何条件下都能给出暂时的结果,它没有像标准统计学的假设检验那样,有关于显著水平的设定。贝叶斯推理的强项是 “无论在何种条件下,都能得出一个暂时的结果”,因此,贝叶斯推理显得 “主观”、“牵强”。贝叶斯推理之所以显得有些 “牵强”,主要是因为其中的先验概率。所谓先验概率,是指 “在没有任何信息的情况下,暂且把所有可能性的概率设定为对等的(理由不充分原理)”,或者 “从主观上进行设定” 等,因而会令人感到 “牵强”。但反过来说,正是由于设定了这样的先验概率,贝叶斯推理从而具备了 “即使只有少量信息(数据),也能够进行推理” 的优点。二是结果的产生立场不同。通过对于 “大概” 一词的解释,我们能够明显地看出标准统计学与贝叶斯统计学之间的立场差异。在标准统计学的推导中,“大概是 B” 这一结论,是基于 “虽然可能出错,但还是确定结论为 B” 的考虑而确定的。这是在了解风险的情况下,从两种可能性中选出一种的立场。而在贝叶斯推理中,“大概是 B” 这一结论,是基于 “可能为 A,也可能为 B,而 B 的可能性更大一些” 的考虑而确定的。这样,既不确定是 A,也不确定是 B,而是认为两者都有可能;与此同时,对于 A 和 B 的重视程度有所不同,这就是贝叶斯推理的立场。三是推理的风险不同。基于标准统计学的推理风险是蕴含在方法论 (假设检验和显著性水平的设定) 中,而基于贝叶斯统计学的推理风险仅在具体的案例 (具体结果的后验概率) 中。用比喻性的说法来解释:假设检验的风险存在于结论之外,而贝叶斯推理的风险则存在于结论的后验概率本身之中。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。统计学的魅力,尤其是贝叶斯统计学的魅力被这本书展现的淋漓尽致,让你情不自禁的仰视那些致力于统计学研究的科学家,像贝叶斯、费希尔、内曼、皮尔逊、高尔顿、萨维奇等,同时也能激发起你对统计学的好奇心。
转发转发同时评论快速转发评论1分享「微信」扫码分享 - 加载中...