Think Bayes: Statystyka bayesowska w Pythonie

Opinie czytelników

Książka jest dobrze oceniana ze względu na jej zdolność do pogłębiania zrozumienia statystyk bayesowskich przez użytkowników i zwiększania ich praktycznych umiejętności dzięki programowaniu i przykładom z życia wziętym. Użytkownicy szczególnie doceniają jej rygorystyczność, podejście oparte na intuicji oraz połączenie teorii z praktyką. Niektórzy recenzenci wskazują jednak, że książka nie uczy programowania ani statystyki dogłębnie, a brak rozwiązań ćwiczeń jest znaczącym minusem dla niektórych czytelników.

- Skutecznie buduje intuicję i łączy teorię z praktyką. - Zawiera przykłady z życia wzięte i praktyczne ćwiczenia z kodowania. - Dobra dla czytelników z podstawowym zrozumieniem teorii Bayesa. - Zwięzły i przystępny dla początkujących. - Wciągające przykłady utrzymują uwagę czytelnika.

- Nie jest to książka o programowaniu lub szczegółowej statystyce; nie uczy dokładnie pojęć programowania lub statystyki. - Brak rozwiązań do ćwiczeń, co czyni ją mniej użyteczną dla niektórych czytelników.

(na podstawie 8 opinii czytelników)

Oryginalny tytuł:

Think Bayes: Bayesian Statistics in Python

Zawartość książki:

Jeśli wiesz, jak programować, jesteś gotowy, by zmierzyć się ze statystyką bayesowską. Dzięki tej książce dowiesz się, jak rozwiązywać problemy statystyczne za pomocą kodu Pythona zamiast wzorów matematycznych, używając dyskretnych rozkładów prawdopodobieństwa zamiast ciągłej matematyki. Gdy już opanujesz matematykę, podstawy statystyki bayesowskiej staną się bardziej zrozumiałe i zaczniesz stosować te techniki do rozwiązywania rzeczywistych problemów.

Bayesowskie metody statystyczne stają się coraz bardziej powszechne i coraz ważniejsze, ale nie ma zbyt wielu zasobów, które mogłyby pomóc początkującym. Oparte na zajęciach licencjackich prowadzonych przez autora Allena B. Downeya, podejście obliczeniowe tej książki pomoże ci uzyskać solidny start.

⬤ Wykorzystaj swoje umiejętności programistyczne do nauki i zrozumienia statystyki bayesowskiej.

⬤ Pracuj nad problemami związanymi z estymacją, przewidywaniem, analizą decyzji, dowodami i testowaniem hipotez bayesowskich.

⬤ Zacznij od prostych przykładów, używając monet, kostek do gry i miski ciasteczek.

⬤ Poznanie metod obliczeniowych do rozwiązywania rzeczywistych problemów.