《貝葉斯思維：統計模組化的Python學習法》——導讀

貝葉斯思維：統計模組化的python學習法

學習之道

這本書以及think系列其他書籍的一個前提是：隻要懂得程式設計，你就能用這個技能去學習其他的内容 。

絕大多數貝葉斯統計的書使用數學符号并以數學概念的形式表示數學思想，比如微積分。但本書使用了python代碼而不是數學，離散近似而不是連續數學。結果就是原本需要積分的地方變成了求和，機率分布的大多數操作變成了簡單的循環。

我認為這樣的表述是易于了解的，至少對于有程式設計經驗的人們來說是這樣的。當作模組化選擇時也非常實用，因為我們可以選取最合适的模型而不用擔心偏離正常分析太多。

另外，這也提供了一個從簡化模型到真實問題的平滑發展路線，第3章就是一個好示例。它由一個關于骰子的簡單例子開始，那是基本機率的一個主題；緊接着談到了一個我從mosteller《50個挑戰的統計學難題》（fifty challenging problems in probability）一書中借用的火車頭問題；最後是德軍坦克問題，這個第二次世界大戰中成功的貝葉斯方法應用案例。

<a href="https://yq.aliyun.com/articles/100330">第1章 貝葉斯定理</a>

<a href="https://yq.aliyun.com/articles/100330">1.1　條件機率</a>

<a href="https://yq.aliyun.com/articles/100334">1.2　聯合機率</a>

<a href="https://yq.aliyun.com/articles/100336">1.3　曲奇餅問題</a>

<a href="https://yq.aliyun.com/articles/100343">1.4　貝葉斯定理</a>

<a href="https://yq.aliyun.com/articles/100349">1.5　曆時诠釋</a>

<a href="https://yq.aliyun.com/articles/100355">1.6　m&amp;m豆問題</a>

<a href="https://yq.aliyun.com/articles/100359">1.7　monty hall難題</a>

<a href="https://yq.aliyun.com/articles/100362">1.8　讨論</a>

<a href="https://yq.aliyun.com/articles/100368">第2章 統計計算</a>

<a href="https://yq.aliyun.com/articles/100368">2.1　分布</a>

<a href="https://yq.aliyun.com/articles/100372">2.2　曲奇餅問題</a>

<a href="https://yq.aliyun.com/articles/100377/">2.3　貝葉斯架構</a>

<a href="https://yq.aliyun.com/articles/100382">2.4　monty hall難題</a>

<a href="https://yq.aliyun.com/articles/100388">2.5　封裝架構</a>

<a href="https://yq.aliyun.com/articles/100390">2.6　m&amp;m豆問題</a>

<a href="https://yq.aliyun.com/articles/100394">2.7　讨論</a>

<a href="https://yq.aliyun.com/articles/100397">2.8　練習</a>

第3章 估計

第4章 估計進階

第5章 勝率和加數

第6章 決策分析

第7章 預測

第8章 觀察者的偏差

第9章 二維問題

第10章 貝葉斯近似計算

第11章 假設檢驗

第12章 證據

第13章 模拟

第14章 階層化模型

第15章 處理多元問題