|
||
Strona główna > opis książki
• wydawnictwa polskie
• Zamów informacje o nowościach z wybranego tematu • kontakt
• Cookies na stronie |
STATYSTYKA BAYESOWSKA NA WESOŁOKURT W.wydawnictwo: PWN , rok wydania 2020, wydanie Icena netto: Statystyka bayesowska na
wesoło Przy rozwiązywaniu dowolnego problemu tradycyjna analiza statystyczna często generuje nam kolejną kupkę danych. Ale jak wyciągnąć zdroworozsądkowe, realne wnioski z tych zimnych liczb? Statystyka bayesowska na wesoło pokaże ci, jak podejmować lepsze decyzje probabilistyczne, używając naturalnej intuicji i prostej matematyki. Ten zrozumiały elementarz wyjaśnia, jak używać metod bayesowskich przez jasne wyjaśnienia i zabawne przykłady. Będziesz polował na UFO, aby uchwycić codzienne rozumowanie, obliczysz, czy Han Solo przeżyje pole asteroid, używając rozkładów prawdopodobieństwa, a także opiszesz prawdopodobieństwo, czy masz poważnego guza mózgu, a nie po prostu za dużo wosku w uchu. Te zróżnicowane ćwiczenia pomogą każdemu stworzyć elastyczny i rzetelny sposób myślenia, który przyda ci się w szerokim zakresie wyzwań, od prawdziwego i intuicyjnego zrozumienia aktualnych wydarzeń do radzenia sobie z codziennymi niespodziankami świata biznesu. Podziękowania Wstęp Po co uczyć się statystyki? Co to jest statystyka "bayesowska"? Co jest w tej książce Wiedza potrzebna przy czytaniu książki Wyruszmy ku przygodzie! CZĘŚĆ I: WPROWADZENIE DO PRAWDOPODOBIEŃSTWA 1. Myślenie bayesowskie i codzienne rozumowanie Wnioskowanie o dziwnych doświadczeniach Obserwowanie danych Przekonania a priori a prawdopodobieństwa warunkowe Formułowanie hipotezy Napotykanie hipotez w codziennej mowie Zdobywanie większej liczby przesłanek i aktualizacja przekonań Porównywanie hipotez Dane są podstawą przekonań; przekonania nie powinny być podstawą danych Podsumowanie Ćwiczenia 2. Mierzenie niepewności Czym jest prawdopodobieństwo? Obliczanie prawdopodobieństw poprzez zliczanie wyników zdarzeń Obliczanie prawdopodobieństw jako stosunków przekonań Obliczanie prawdopodobieństwa przy użyciu pojęcia szansy Obliczanie prawdopodobieństw Mierzenie przekonań w rzucie monetą Podsumowanie Ćwiczenia 3. Logika niepewności Łączenie prawdopodobieństw operatorem I Rozwiązywanie połączenia dwóch prawdopodobieństw Stosowanie reguły iloczynu dla prawdopodobieństwa Przykład: obliczanie prawdopodobieństwa spóźnienia Łączenie prawdopodobieństw operatorem LUB Wykonywanie działania LUB na wzajemnie wykluczających się zdarzeniach Stosowanie reguły dodawania dla zdarzeń niewykluczających się Przykład: obliczanie prawdopodobieństwa dostania wysokiego mandatu Podsumowanie Ćwiczenia 4. Tworzenie dwumianowego rozkładu prawdopodobieństwa Struktura rozkładu dwumianowego Zrozumienie i uogólnienie szczegółów naszego problemu Zliczanie naszych wyników przy użyciu symbolu Newtona Kombinatoryka: zaawansowane zliczanie przy użyciu symbolu Newtona Obliczanie prawdopodobieństwa pożądanego wyniku Przykład: gry Gacha Podsumowanie Ćwiczenia 5. Rozkład beta Dziwny przypadek: zbieranie danych Rozróżnienie prawdopodobieństwa, statystyki i wnioskowania Zbieranie danych Obliczanie prawdopodobieństwa prawdopodobieństw Rozkład beta Rozłożenie funkcji gęstości prawdopodobieństwa na części pierwsze Zastosowanie funkcji gęstości prawdopodobieństwa do naszego problemu Opis ilościowy rozkładów ciągłych przy użyciu całkowania Inżynieria wsteczna gry Gacha Podsumowanie Ćwiczenia CZĘŚĆ II: PRAWDOPODOBIEŃSTWO BAYESOWSKIE I PRAWDOPODOBIEŃSTWO A PRIORI 6. Prawdopodobieństwo warunkowe Wprowadzenie do prawdopodobieństwa warunkowego Dlaczego prawdopodobieństwa warunkowe są ważne Zależność i zmienione zasady prawdopodobieństwa Odwracanie prawdopodobieństw warunkowych i twierdzenie Bayesa Wprowadzenie do twierdzenia Bayesa Podsumowanie Ćwiczenia 7. Twierdzenie Bayesa z klockami LEGO Graficzne obliczanie prawdopodobieństw warunkowych Przejście przez matematykę Podsumowanie Ćwiczenia 8. A priori, wiarogodność i a posteriori w twierdzeniu Bayesa Trzy składowe Badanie miejsca zbrodni Obliczanie wiarogodności Obliczanie prawdopodobieństwa a priori Normalizacja danych Rozważanie hipotez alternatywnych Wiarogodność hipotezy alternatywnej Prawdopodobieństwo a priori hipotezy alternatywnej Prawdopodobieństwo a posteriori dla hipotezy alternatywnej Porównywanie nieznormalizowanych prawdopodobieństw a posteriori Podsumowanie Ćwiczenia 9. Bayesowskie prawdopodobieństwa a priori i wykorzystanie rozkładów prawdopodobieństw Wątpliwości C-3PO co do pól asteroid Wyznaczanie przekonań C-3PO Uwzględnienie kozactwa Hana Tworzenie suspensu za pomocą prawdopodobieństwa a posteriori Podsumowanie Ćwiczenia CZĘŚĆ III: ESTYMACJA PARAMETRÓW 10. Prowadzenie do uśredniania i estymacji parametrów Szacowanie opadu śniegu Uśrednianie pomiarów w celu zminimalizowania błędu Rozwiązywanie uproszczonej wersji naszego problemu Rozwiązywanie bardziej skrajnego przypadku Oszacowanie prawdziwej wartości poprzez prawdopodobieństwa ważone, Definiowane oczekiwania, średniej i uśredniania Średnie dla pomiaru kontra średnie dla podsumowań Podsumowanie Ćwiczenia 11. Mierzenie rozproszenia naszych danych Wrzucanie monet do studni Obliczanie średniego odchylenia bezwzględnego Obliczanie wariancji Obliczanie odchylenia standardowego Podsumowanie Ćwiczenia 12. Rozkład normalny Mierzenie lontów do nikczemnych uczynków Rozkład normalny Rozwiązywanie problemu lontów Parę sztuczek i trochę intuicji Zdarzenia "N sigma" Rozkład beta i rozkład normalny Podsumowanie Ćwiczenia 13. Narzędzia estymacji parametrów: funkcja gęstości, dystrybuanta i odwrotna dystrybuanta Estymacja współczynnika konwersji newslettera Funkcja gęstości prawdopodobieństwa Wizualizacja i interpretacja funkcji gęstości prawdopodobieństwa Praca z funkcją gęstości prawdopodobieństwa w R Wprowadzenie dystrybuanty Wizualizacja i interpretacja dystrybuanty Znajdowanie mediany Graficzne przybliżanie całek Estymacja przedziałów ufności Używanie dystrybuanty w R Odwrotna dystrybuanta Zobrazowanie i zrozumienie odwrotnej dystrybuanty Obliczanie odwrotnej dystrybuanty w R Podsumowanie Ćwiczenia 14. Estymacja parametrów z prawdopodobieństwami a priori Przewidywanie współczynnika konwersji e-maili Uwzględnianie szerszego kontekstu z prawdopodobieństwami a priori A priori jako środki ilościowego opisu doświadczenia Czy można decydować się na uczciwy rozkład a priori, gdy nie wiemy nic? Podsumowanie Ćwiczenia CZĘŚĆ IV: TESTOWANIE HIPOTEZ: SERCE STATYSTYKI 15. Od estymacji parametrów do testowania hipotez: konstrukcja bayesowskiego testu A/B Przygotowywanie bayesowskiego testu A/B Wymyślanie prawdopodobieństwa a priori Zbieranie danych Symulacje Monte ćarlo W ilu światach B jest lepszym wariantem? O ile lepszy jest każdy wariant B od każdego wariantu A? Podsumowanie Ćwiczenia 16. Wstęp do czynnika Bayesa i szansę a posteriori: rywalizacja poglądów Powrót do twierdzenia Bayesa Konstruowanie testu hipotez przy użyciu stosunku prawdopodobieństw a posteriori Czynnik Bayesa Szansa a priori Szansa a posteriori Podsumowanie Ćwiczenia 17. Wnioskowanie bayesowskie w "Strefie mroku" Wnioskowanie bayesowskie w "Strefie mroku" Korzystanie z czynnika Bayesa do zrozumienia Mistycznego jasnowidza Mierzenie czynnika Bayesa Uwzględnianie przekonań a priori Wykształcanie naszych własnych mocy paranormalnych Podsumowanie Ćwiczenia 18. Kiedy dane cię nie przekonują Kolega ze zdolnościami paranormalnymi rzuca kostką Równanie wiarogodności Wprowadzenie szansy a priori Uważanie hipotez alternatywnych Zażarte dyskusje z krewnymi i zwolennikami teorii spiskowych Podsumowanie Ćwiczenia 19. Od testowania hipotez do estymacji parametrów Czy jarmarczna zabawa jest rzeczywiście uczciwa? Rozważanie wielu hipotez Poszukiwanie kolejnych hipotez za pomocą języka R Dodanie szansy a priori do stosunków wiarogodności Konstruowanie rozkładu prawdopodobieństwa Od czynnika Bayesa do estymacji parametrów Podsumowanie Ćwiczenia A. Szybkie wprowadzenie do języka R R i RStudio Tworzenie skryptu R Podstawowe pojęcia w języku R Typy danych Brakujące wartości Wektory Funkcje Podstawowe funkcje Losowe próbkowanie Funkcja runif() Funkcja morm() Funkcja sample() Przewidywalne losowe wyniki dzięki funkcji set.seed() Definiowanie własnych funkcji Tworzenie podstawowych wykresów Ćwiczenie: symulowanie wartości akcji Podsumowanie B. Tyle analizy matematycznej, aby czytać tę książkę Funkcje Ustalenie, jak daleko dobiegłeś Mierzenie pola pod krzywą: całka Mierzenie tempa zmian: pochodna Podstawowe twierdzenie rachunku całkowego C. Odpowiedzi do ćwiczeń Indeks 264 strony, Format: 16.0x23.0cm, oprawa miękka Osoby kupujące tę książkę wybierały także:
Po otrzymaniu zamówienia poinformujemy, |
- 
-