POLECAMY
Koszyk
Statystyka Bayesowska na wesoło
Poznawaj statystykę i prawdopodobieństwo z Gwiezdnymi Wojnami, LEGO i Gumowymi Kaczuszkami
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. |
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 |
KUP NA PREZENT
Statystyka Bayesowska na wesoło
66,60 zł
Uzupełnij informacje na temat odbiorcy.
Produkt został pomyślnie dodany do koszyka.
Nieudana próba zakupu produktu. Spróbuj jeszcze raz.
Wypożyczaj w abonamencie!
Już od 2,66 zł za ebooka
