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。
目录
- 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
- 4.5Beta分布32
- 4.6讨论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SAT115
- 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
