POLECAMY
Autor:
Wydawca:
Format:
epub, mobi, ibuk
Ten zrozumiały elementarz pomoże Ci zrozumieć, jak używać metod Bayesowskich poprzez jasne wyjaśnienia i zabawne przykłady. Będziesz polował na UFO, aby zbadać codzienne rozumowanie, a także obliczysz czy Han Solo przeżyje podróż przez pole asteroid używając rozkładów prawdopodobieństwa.
Te zróżnicowane ćwiczenia pomogą Ci stworzyć elastyczny i rzetelny sposób myślenia, który przyda ci się w szerokim zakresie wyzwań, od prawdziwego i intuicyjnego zrozumienia aktualnych zdarzeń do radzenia sobie z codziennymi niespodziankami świata biznesu.
Nauczysz się jak:
• Obliczać rozkłady aby zobaczyć zakres swoich przekonań
• Porównywać hipotezy i wyciągać rzetelne wnioski
• Używać twierdzenia Bayesa i zrozumieć do czego może się ono przydać
• Znaleźć a posteriori, wiarogodność i a priori, aby sprawdzić dokładność swoich wniosków
• Używać języka programowania R do przeprowadzania analizy danych
Dokonuj lepszych wyborów z większą pewnością – i baw się przy tym dobrze! Przeczytaj Statystykę Bayesowską na wesoło, aby uzyskać jak największą wartość ze swoich danych.
Rok wydania | 2020 |
---|---|
Liczba stron | 300 |
Kategoria | Bazy danych |
Wydawca | Wydawnictwo Naukowe PWN |
Tłumaczenie | Maciej Bartoszuk |
ISBN-13 | 978-83-01-21353-4 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
Podziękowania XV | |
Wstęp XVII | |
Po co uczyć się statystyki? XVIII | |
Co to jest statystyka „bayesowska”? XIX | |
Co jest w tej książce XIX | |
Wiedza potrzebna przy czytaniu książk XXII | |
Wyruszmy ku przygodzie! XXII | |
CZĘŚĆ I: WPROWADZENIE DO PRAWDOPODOBIEŃSTWA | 1 |
1. Myślenie bayesowskie i codzienne rozumowanie | 3 |
Wnioskowanie o dziwnych doświadczeniach | 4 |
Obserwowanie danych | 4 |
Przekonania a priori a prawdopodobieństwa warunkowe | 5 |
Formułowanie hipotezy | 6 |
Napotykanie hipotez w codziennej mowie | 8 |
Zdobywanie większej liczby przesłanek i aktualizacja przekonań | 8 |
Porównywanie hipotez | 9 |
Dane są podstawą przekonań; przekonania nie powinny być podstawą danych | 10 |
Podsumowanie | 11 |
Ćwiczenia | 11 |
2. Mierzenie niepewności | 13 |
Czym jest prawdopodobieństwo? | 14 |
Obliczanie prawdopodobieństw poprzez zliczanie wyników zdarzeń | 15 |
Obliczanie prawdopodobieństw jako stosunków przekonań | 16 |
Obliczanie prawdopodobieństwa przy użyciu pojęcia szansy | 17 |
Obliczanie prawdopodobieństw | 17 |
Mierzenie przekonań w rzucie monetą | 18 |
Podsumowanie | 19 |
Ćwiczenia | 20 |
3. Logika niepewności | 21 |
Łączenie prawdopodobieństw operatorem I | 22 |
Rozwiązywanie połączenia dwóch prawdopodobieństw | 22 |
Stosowanie reguły iloczynu dla prawdopodobieństwa | 24 |
Przykład: obliczanie prawdopodobieństwa spóźnienia | 25 |
Łączenie prawdopodobieństw operatorem LUB | 26 |
Wykonywanie działania LUB na wzajemnie wykluczających się zdarzeniach | 26 |
Stosowanie reguły dodawania dla zdarzeń niewykluczających się | 28 |
Przykład: obliczanie prawdopodobieństwa dostania wysokiego mandatu | 29 |
Podsumowanie | 30 |
Ćwiczenia | 31 |
4. Tworzenie dwumianowego rozkładu prawdopodobieństwa | 33 |
Struktura rozkładu dwumianowego | 34 |
Zrozumienie i uogólnienie szczegółów naszego problemu | 35 |
Zliczanie naszych wyników przy użyciu symbolu Newtona | 36 |
Kombinatoryka: zaawansowane zliczanie przy użyciu symbolu Newtona | 37 |
Obliczanie prawdopodobieństwa pożądanego wyniku | 38 |
Przykład: gry Gacha | 41 |
Podsumowanie | 43 |
Ćwiczenia | 43 |
5. Rozkład beta | 45 |
Dziwny przypadek: zbieranie danych | 46 |
Rozróżnienie prawdopodobieństwa, statystyki i wnioskowania | 46 |
Zbieranie danych | 46 |
Obliczanie prawdopodobieństwa prawdopodobieństw | 47 |
Rozkład beta | 50 |
Rozłożenie funkcji gęstości prawdopodobieństwa na części pierwsze | 50 |
Zastosowanie funkcji gęstości prawdopodobieństwa do naszego problemu | 51 |
Opis ilościowy rozkładów ciągłych przy użyciu całkowania | 52 |
Inżynieria wsteczna gry Gacha | 53 |
Podsumowanie | 55 |
Ćwiczenia | 55 |
CZĘŚĆ II: PRAWDOPODOBIEŃSTWO BAYESOWSKIE I PRAWDOPODOBIEŃSTWO A PRIORI 57 | |
6. Prawdopodobieństwo warunkowe | 59 |
Wprowadzenie do prawdopodobieństwa warunkowego | 60 |
Dlaczego prawdopodobieństwa warunkowe są ważne | 60 |
Zależność i zmienione zasady prawdopodobieństwa | 61 |
Odwracanie prawdopodobieństw warunkowych i twierdzenie Bayesa | 62 |
Wprowadzenie do twierdzenia Bayesa | 64 |
Podsumowanie | 65 |
Ćwiczenia | 66 |
7. Twierdzenie Bayesa z klockami LEGO | 67 |
Graficzne obliczanie prawdopodobieństw warunkowych | 70 |
Przejście przez matematykę | 71 |
Podsumowanie | 72 |
Ćwiczenia | 72 |
8. A priori, wiarogodność i a posteriori w twierdzeniu Bayesa 73 | |
Trzy składowe | 74 |
Badanie miejsca zbrodn | 74 |
Obliczanie wiarogodności | 75 |
Obliczanie prawdopodobieństwa a priori | 75 |
Normalizacja danych | 76 |
Rozważanie hipotez alternatywnych | 78 |
Wiarogodność hipotezy alternatywnej | 78 |
Prawdopodobieństwo a priori hipotezy alternatywne | 78 |
Prawdopodobieństwo a posteriori dla hipotezy alternatywnej | 79 |
Porównywanie nieznormalizowanych prawdopodobieństw a posteriori | 80 |
Podsumowanie | 81 |
Ćwiczenia | 81 |
9. Bayesowskie prawdopodobieństwa a priori i wykorzystanie rozkładów prawdopodobieństw 83 | |
Wątpliwości C-3PO co do pól asteroid | 84 |
Wyznaczanie przekonań C-3PO | 84 |
Uwzględnienie kozactwa Hana | 85 |
Tworzenie suspensu za pomocą prawdopodobieństwa a posteriori | 87 |
Podsumowanie | 88 |
Ćwiczenia | 89 |
CZĘŚĆ III: ESTYMACJA PARAMETRÓW | 91 |
10. Wprowadzenie do uśredniania i estymacji parametrów | 93 |
Szacowanie opadu śniegu | 94 |
Uśrednianie pomiarów w celu zminimalizowania błędu | 94 |
Rozwiązywanie uproszczonej wersji naszego problemu | 95 |
Rozwiązywanie bardziej skrajnego przypadku | 97 |
Oszacowanie prawdziwej wartości poprzez prawdopodobieństwa ważone | 98 |
Definiowane oczekiwania, średniej i uśredniania | 99 |
Średnie dla pomiaru kontra średnie dla podsumowań | 100 |
Podsumowanie | 101 |
Ćwiczenia | 101 |
11. Mierzenie rozproszenia naszych danych | 103 |
Wrzucanie monet do studni | 104 |
Obliczanie średniego odchylenia bezwzględnego | 104 |
Obliczanie wariancji | 106 |
Obliczanie odchylenia standardowego | 107 |
Podsumowanie | 109 |
Ćwiczenia | 109 |
12. Rozkład normalny | 111 |
Mierzenie lontów do nikczemnych uczynków | 112 |
Rozkład normalny | 114 |
Rozwiązywanie problemu lontów | 116 |
Parę sztuczek i trochę intuicji | 118 |
Zdarzenia „N sigma” | 120 |
Rozkład beta i rozkład normalny | 121 |
Podsumowanie | 122 |
Ćwiczenia | 122 |
13. Narzędzia estymacji parametrów: funkcja gęstości, dystrybuanta i odwrotna dystrybuanta | 123 |
Estymacja współczynnika konwersji newslettera | 124 |
Funkcja gęstości prawdopodobieństwa | 124 |
Wizualizacja i interpretacja funkcji gęstości prawdopodobieństwa | 125 |
Praca z funkcją gęstości prawdopodobieństwa w R | 126 |
Wprowadzenie dystrybuanty | 127 |
Wizualizacja i interpretacja dystrybuanty | 130 |
Znajdowanie mediany | 130 |
Graficzne przybliżanie całek | 131 |
Estymacja przedziałów ufności | 132 |
Używanie dystrybuanty w R | 133 |
Odwrotna dystrybuanta | 133 |
Zobrazowanie i zrozumienie odwrotnej dystrybuanty | 134 |
Obliczanie odwrotnej dystrybuanty w R | 135 |
Podsumowanie | 135 |
Ćwiczenia | 136 |
14. Estymacja parametrów z prawdopodobieństwami a priori 137 | |
Przewidywanie współczynnika konwersji e-maili | 138 |
Uwzględnianie szerszego kontekstu z prawdopodobieństwami a priori | 139 |
A priori jako środki ilościowego opisu doświadczenia | 143 |
Czy możemy zdecydować się na uczciwy rozkład a priori, gdy nie wiemy nic? | 144 |
Podsumowanie | 146 |
Ćwiczenia | 146 |
CZĘŚĆ IV: TESTOWANIE HIPOTEZ: SERCE STATYSTYKI | 147 |
15. Od estymacji parametrów do testowania hipotez: konstrukcja bayesowskiego testu A/B | 149 |
Przygotowywanie bayesowskiego testu A/B | 150 |
Wymyślanie prawdopodobieństwa a priori | 150 |
Zbieranie danych | 151 |
Symulacje Monte Carlo | 152 |
W ilu światach B jest lepszym wariantem? | 153 |
O ile lepszy jest każdy wariant B od każdego wariantu A? | 154 |
Podsumowanie | 156 |
Ćwiczenia | 156 |
16. Wstęp do czynnika Bayesa i szanse a posteriori: rywalizacja poglądów | 157 |
Powrót do twierdzenia Bayesa | 158 |
Konstruowanie testu hipotez przy użyciu stosunku prawdopodobieństw a posteriori | 159 |
Czynnik Bayesa | 159 |
Szansa a priori | 159 |
Szansa a posteriori | 160 |
Podsumowanie | 164 |
Ćwiczenia | 165 |
17. Wnioskowanie bayesowskie w „Strefie mroku” | 167 |
Wnioskowanie bayesowskie w „Strefie mroku” | 168 |
Korzystanie z czynnika Bayesa do zrozumienia Mistycznego jasnowidza | 168 |
Mierzenie czynnika Bayesa | 169 |
Uwzględnianie przekonań a priori | 170 |
Wykształcanie naszych własnych mocy paranormalnych | 171 |
Podsumowanie | 173 |
Ćwiczenia | 173 |
18. Kiedy dane cię nie przekonują | 175 |
Kolega ze zdolnościami paranormalnymi rzuca kostką | 176 |
Porównanie wiarogodności | 176 |
Wprowadzenie szansy a priori | 177 |
Rozważanie hipotez alternatywnych | 178 |
Zażarte dyskusje z krewnymi i zwolennikami teorii spiskowych | 179 |
Podsumowanie | 181 |
Ćwiczenia | 181 |
19. Od testowania hipotez do estymacji parametrów | 183 |
Czy jarmarczna zabawa jest rzeczywiście uczciwa? | 184 |
Rozważanie wielu hipotez | 186 |
Poszukiwanie kolejnych hipotez za pomocą języka R | 186 |
Dodanie szansy a priori do stosunków wiarogodności | 188 |
Konstruowanie rozkładu prawdopodobieństwa | 190 |
Od czynnika Bayesa do estymacji parametrów | 191 |
Podsumowanie | 194 |
Ćwiczenia | 194 |
A. Szybkie wprowadzenie do języka R 195 | |
R i RStudio | 196 |
Tworzenie skryptu R | 197 |
Podstawowe pojęcia w języku R | 197 |
Typy danych | 197 |
Brakujące wartości | 200 |
Wektory | 200 |
Funkcje | 201 |
Podstawowe funkcje | 202 |
Losowe próbkowanie | 206 |
Funkcja runif() | 206 |
Funkcja rnorm() | 207 |
Funkcja sample() | 207 |
Przewidywalne losowe wyniki dzięki funkcji set.seed() | 208 |
Definiowanie własnych funkcji | 209 |
Tworzenie podstawowych wykresów | 210 |
Ćwiczenie: symulowanie wartości akcji | 213 |
Podsumowanie | 214 |
B. Tyle analizy matematycznej, aby czytać tę książkę | 215 |
Funkcje | 216 |
Ustalenie, jak daleko dobiegłeś | 217 |
Mierzenie pola pod krzywą: całka | 219 |
Mierzenie tempa zmian: pochodna | 223 |
Podstawowe twierdzenie rachunku całkowego | 227 |
C. Odpowiedzi do ćwiczeń | 229 |
Indeks | 258 |