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.

Osoby które kupowały "Statystyka Bayesowska na wesoło", wybierały także:

• Statystyka. Kurs video. Przewodnik dla student 128,71 zł, (39,90 zł -69%)
• Matematyka. Kurs video. Teoria dla programisty i data science 398,98 zł, (179,54 zł -55%)
• Ryszard Kilvington. Nieskończoność i geometria 19,52 zł, (8,98 zł -54%)
• Matematyka w programowaniu gier i grafice komputerowej. Tworzenie i renderowanie wirtualnych 89,00 zł, (44,50 zł -50%)
• Data science od podstaw. Analiza danych w Pythonie. Wydanie II 67,00 zł, (33,50 zł -50%)

Spis treści

Statystyka Bayesowska na wesoło eBook -- spis treści

• Okładka
• Strona tytułowa
• Strona redakcyjna
  • O autorze
  • O recenzencie technicznym
• Spis treści
  • PODZIĘKOWANIA
• WSTĘP
  • Po co uczyć się statystyki?
  • Co to jest statystyka bayesowska?
  • Co jest w tej książce
    • Część I: Wprowadzenie do prawdopodobieństwa
    • Część II: Prawdopodobieństwo bayesowskie i prawdopodobieństwa a priori
    • Część III: Estymacja parametrów
    • Część IV: Testowanie hipotez: serce statystyki
  • Wiedza potrzebna przy czytaniu książki
  • Wyruszmy ku przygodzie!
• CZĘŚĆ I WPROWADZENIE DO PRAWDOPODOBIEŃSTWA
  • 1. MYŚLENIE BAYESOWSKIEI 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 zdarzenia
      • 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. WPROWADZENIE 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 możemy zdecydować 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 Carlo
      • 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 SZANSE 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
      • Porównanie wiarogodności
      • Wprowadzenie szansy a priori
      • Rozważanie hipotez alternatywnych
    • Zażarte dyskusje z krewnymi i zwolennikami teorii spiskowych
    • Podsumowanie
    • Ćwiczenia
  • 19. OD TESTOWANIA HIPOTEZDO 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 rnorm()
      • 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
    • Część I: Wprowadzenie do prawdopodobieństwa
      • Rozdział 1
      • Rozdział 2
      • Rozdział 3
      • Rozdział 4
      • Rozdział 5
    • Część II: Prawdopodobieństwo bayesowskie i prawdopodobieństwo a priori
      • Rozdział 6
      • Rozdział 7
      • Rozdział 8
      • Rozdział 9
    • Część III: Estymacja parametrów
      • Rozdział 10
      • Rozdział 11
      • Rozdział 12
      • Rozdział 13
      • Rozdział 14
    • Część IV: Testowanie hipotez: serce statystyki
      • Rozdział 15
      • Rozdział 16
      • Rozdział 17
      • Rozdział 18
      • Rozdział 19
• Przypisy