《贝叶斯思维 统计建模的Python学习法》是一部宝贵的资源，为渴望掌握贝叶斯统计方法的读者铺设了前进的道路，Allen Downey以其扎根于高等教育的丰富经验，引导读者通过Python编程逐步深入贝叶斯世界，无需先进的数学背景，仅依靠基本的概率知识与编程基础即可展开旅程，书中不仅仅关注理论，也注重实操，通过硬币、彩豆、角色游戏等生动案例拉近与读者的距离，使抽象的统计概念变得具体而易于理解。
贝叶斯方法早已变得越来越广泛与重要，但是却没有过多可以仿效的原材料来帮助初学者。应用领域Allen Downey在高等院校讲课的本科文凭，这书的计算方法能帮助你获得1个优质的刚开始。
运用目前的程序编程方式培训学习和掌握贝叶斯统计
处理估计、预测、决策、假设的直接证据、假设检验等难点
从简单的例证一开始，包括硬币的的难点、M&Ms豆难点、《龙与地下城》nbanba勇士投摇骰子难点、彩弹游戏和冰球比赛难点
培训学习计算方法，解决大肆宣扬SAT考试成绩寓意、模拟仿真肾脏肿瘤和人体厌氧颗粒污泥实体模型难点
这这书帮助这种希望用数学工具解决实际难点的大伙儿，仅有的要求将会就是懂一点概率专业技能和编程设计。而贝叶斯方法是这类广泛的应用概率学专业技能去解决系统风险难点的数学方法，对于1个电子计算机大专的工作人员，理当掌握其应用在大肆宣扬翻译机器，语音识别系统，骚扰短信检测等广泛的计算机硬件难点制造行业。
可是这书实际上会圆圆扩大你的视野，就算并非1个电子计算机大专的工作人员，你也可以看到在战争地理环境下（二战德军肉坦难点），相关法律法规难点上（肾脏肿瘤的假设验证），足球投注制造行业（*队和相添加微信好友队NFL比赛难点）贝叶斯方法的破坏力。怎样从有限责任公司的信息辨别二战德军装甲部队的企业规模，你所可用的足球有是多少将会得到冠军，在《龙与地下城》nbanba勇士中，你理当对游戏角色特点的*值有什么的希望，甚至在通常的彩弹射击游戏中，拥有一些贝叶斯思维逻辑还可以帮助到你提高游戏水平。
此外，这书在一共15章的字数中讨论了怎样解决十几个生活起居中的实际难点。在这类难点的解决过程中，原创者还耳闻目睹的帮助客户造成了实体模型战略决策的科学方法论，实体模型误差和数值误差怎样挑选，怎样为具体难点建立数学课分析模型，如何把握难点中的基本矛盾（实体模型中的关键基本参数），再一步一步的提高或者验证实体模型的针对性或者局限性。在这里一现实意义上，这这书都是1本相关数学建模的获得成功
目录
- 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
