《贝叶斯思维：统计建模的Python学习法》——导读

贝叶斯思维：统计建模的python学习法

学习之道

这本书以及think系列其他书籍的一个前提是：只要懂得编程，你就能用这个技能去学习其他的内容 。

绝大多数贝叶斯统计的书使用数学符号并以数学概念的形式表示数学思想，比如微积分。但本书使用了python代码而不是数学，离散近似而不是连续数学。结果就是原本需要积分的地方变成了求和，概率分布的大多数操作变成了简单的循环。

我认为这样的表述是易于理解的，至少对于有编程经验的人们来说是这样的。当作建模选择时也非常实用，因为我们可以选取最合适的模型而不用担心偏离常规分析太多。

另外，这也提供了一个从简化模型到真实问题的平滑发展路线，第3章就是一个好示例。它由一个关于骰子的简单例子开始，那是基本概率的一个主题；紧接着谈到了一个我从mosteller《50个挑战的统计学难题》（fifty challenging problems in probability）一书中借用的火车头问题；最后是德军坦克问题，这个第二次世界大战中成功的贝叶斯方法应用案例。

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

<a href="https://yq.aliyun.com/articles/100330">1.1　条件概率</a>

<a href="https://yq.aliyun.com/articles/100334">1.2　联合概率</a>

<a href="https://yq.aliyun.com/articles/100336">1.3　曲奇饼问题</a>

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

<a href="https://yq.aliyun.com/articles/100349">1.5　历时诠释</a>

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

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

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

<a href="https://yq.aliyun.com/articles/100368">第2章 统计计算</a>

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

<a href="https://yq.aliyun.com/articles/100372">2.2　曲奇饼问题</a>

<a href="https://yq.aliyun.com/articles/100377/">2.3　贝叶斯框架</a>

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

<a href="https://yq.aliyun.com/articles/100388">2.5　封装框架</a>

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

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

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

第3章 估计

第4章 估计进阶

第5章 胜率和加数

第6章 决策分析

第7章 预测

第8章 观察者的偏差

第9章 二维问题

第10章 贝叶斯近似计算

第11章 假设检验

第12章 证据

第13章 模拟

第14章 层次化模型

第15章 处理多维问题