第21讲

浏览 6 扫码打印 2025-06-24 13:52:32

第21讲

第21讲

空标题文档
空标题文档
目录
第0讲　只要会做四则运算，便可掌握贝叶斯统计学
0-2　仅使用面积图和简单算术
0-3　比尔·盖茨也在关注它！贝叶斯统计在商业活动中的应用
0-4　贝叶斯统计依存于人的心理
0-5　附带简单的填空练习题，适合自学
第1部　快速学习！理解贝叶斯统计学的精髓
第1讲　信息增加导致概率变化
1-2　第一步：通过经验设定“先验概率”
1-3　第二步：设置发生“向店员询问”事件的条件概率
1-4　第三步：通过观察到的行为，排除“不可能的情况”
1-5　第四步：寻求“来买东西的人”的“贝叶斯逆概率”
1-6　贝叶斯推理过程的总结
第1讲·小结
练习题
第2讲　贝叶斯推理的结果，有时与直觉大相径庭①
2-2　根据医疗数据，设定“先验概率”
2-3　以检查准确率为线索，设定“条件概率”
2-4　检查结果呈阳性，因而排除掉“不可能的情况”
2-5　计算罹患癌症的“贝叶斯逆概率”
2-6　贝叶斯推理过程的总结
第2讲·小结
第3讲　根据主观数字也可以进行推理
3-2　主观上设定你是否是“真命天子”的“先验概率”
3-3　设法找到数据，设定“条件概率”
3-4　收到巧克力，排除掉“不可能的情况”
3-5　贝叶斯推理的过程总结
3-6　计算“信念的程度”也可以使用贝叶斯推理
第3讲·小结
第4讲　运用“概率的概率”，拓宽推理范围
4-2　将“概率的概率”设置为“先验概率”
4-3　把“生女孩的概率”直接作为“条件概率”来使用
4-4　第一胎已经生了女孩，因此可以排除掉“不可能的情况”
4-5　贝叶斯推理的过程总结
4-6　在计算“第二胎生女孩的概率”时，使用“期待值”
第4讲·小结
练习题
第5讲　从推算过程开始，逐渐明确的贝叶斯推理的特征
5-2　何为推论
5-3　逻辑推理的过程
5-4　概率推理的过程
第5讲·小结
练习题
第6讲　明快而严格，但其使用场合受到限制的内曼－皮尔逊式推理
6-2　假设检验的过程
6-3　假设检验中也存在无法做出判断的情况
第6讲·小结
练习题
第7讲　通过少量信息得出切实结论的贝叶斯推理与内曼－皮尔逊式推理的差异
7-2　把A壶和B壶分别设定为一个类别
7-3　贝叶斯推理无论在何种条件下，都能得出一个暂时的结果
7-4　贝叶斯推理和内曼－皮尔逊式推理中，“风险”的含义不同
7-5　从逻辑性观点出发，看贝叶斯推理的过程
第7讲·小结
练习题
第8讲　贝叶斯推理的基础：极大似然原理
8-2　“极大似然原理”被运用到众多学科当中
8-3　贝叶斯推理以极大似然原理为基础
8-4　内曼－皮尔逊统计学也以极大似然原理为基础
第8讲·小结
练习题
第9讲　贝叶斯推理的结果，有时与直觉大相径庭②
9-2　悖论①　蒙蒂霍尔问题
9-3　悖论②　三个囚犯的问题
9-4　这两个问题的本质是相同的
9-5　通过贝叶斯推理推导出矛盾
9-6　结论因模型的设定自身而发生变化
第9讲·小结
练习题
第10讲　掌握多条信息时的推理①
10-2　将两个试验结合起来
10-3　用乘法运算得出独立的直积试验的概率
10-4　独立试验概率的乘法公式
第10讲·小结
练习题
第11讲　掌握多条信息时的推理②
11-2　在过滤器上设置“先验概率”
11-3　扫描字句与条件概率的设定
11-4　根据扫描结果，计算垃圾邮件的贝叶斯逆概率
11-5　获得第2条信息后，可能性随之变为8种
11-6　从2个信息可以消去不可能的情况
第11讲·小结
第12讲　在贝叶斯推理中可以依次使用信息
12-2　把从信息①中得到的后验概率，设为“先验概率”
12-3　通过信息②进行贝叶斯更新
12-4　贝叶斯推理具有智慧性
第12讲·小结
练习题
第13讲　每获得一条信息，贝叶斯推理就变得更精确一些
13-2　壶的问题：取出2个球
13-3　第二次取出的也是黑球的情况下的推理
13-4　第二次取出的是白球的情况下的推理
13-5　根据最新的观察结果，结论发生变化
13-6　观察次数越多，推算结果就越接近实际
第13讲·小结
练习题
专栏
第2部　完全自学！从“概率论”到“正态分布”
第14讲　“概率”与“面积”的性质相同概率论的基础
14-2　通过函数的形式来记述概率
14-3　概率与面积的性质相同
14-4　用概率符号来表示贝叶斯推理的先验概率
14-5　用概率符号来表示用“＆”连接起来的事件
第14讲·小结
练习题
第15讲　在获得信息之后，概率的表示方法
15-2　“条件概率”把部分看作整体，从而变更数值
15-3　各个类别被赋予的概率＝条件概率
15-4　通过条件概率的公式理解后验概率
第15讲·小结
练习题
第16讲　“概率分布图”帮助我们进行更加通用的推理
16-2　思考“同样的可能”型的概率模型
16-3　把“大致相同”模型转换为成连续化的“均匀分布”
16-4　［0，1］-赌盘模型中的一般事件的概率
16-5　能够用图说明复杂概率模型的“概率分布图”
第16讲·小结
练习题
第17讲　“贝塔分布”的性质由两个数字决定
17-2　何为“贝塔分布”
17-3　α＝1，β＝1的例子即为［0，1］-赌盘模型
17-4　α＝2，β＝1的例子
17-5　α＝1，β＝2的例子
17-6　α＝2，β＝2的例子
17-7　在贝塔分布中，若α、β增大，情况就会变得复杂
第17讲·小结
练习题
第18讲　决定概率分布性质的“期待值”
18-2　期待值的计算方法
18-3　长期来看，期待值是与实际情况相符的
18-4　期待值可以作为使概率分布图保持平衡的支点
18-5　计算掷骰子和生女孩案例中的期待值
18-6　通过贝塔分布来计算期待值
第18讲·小结
练习题
专栏
第19讲　在“贝塔分布”中使用概率分布图进行高级推理
19-2　设定先验分布为均匀分布，并进行推理
19-3　第二胎依然为女孩时的推理
19-4　设定先验分布非均匀分布，并进行推理
19-5　在先验分布中运用贝塔分布的原因
第19讲·小结
练习题
第20讲　在抛硬币或天体观测时观察到的“正态分布”
20-2　呈现吊钟型的正态分布
20-3　正态分布由“μ”和“б”决定
20-4　将一般正态分布概率转换为标准正态分布形式
20-5　正态分布的多个观测值的平均值为正态分布
第20讲·小结
第21讲　在“正态分布”中使用概率分布图进行高级推理
21-2　用不准确的温度计推算洗澡水的温度
21-3　根据正态分布进行贝叶斯推理的步骤
21-4　后验分布的含义
21-5　根据正态分布进行贝叶斯推理的公式
21-6　测量两次水温之后的贝叶斯推理
第21讲·小结
练习题
补讲　贝塔分布的积分计算
结语
参考文献
练习题参考答案
第2讲
第3讲
第4讲
第5讲
第6讲
第7讲
第8讲
第9讲
第10讲
第11讲
第12讲
第13讲
第14讲
第15讲
第16讲
第17讲
第18讲
第19讲
第20讲
第21讲

暂无相关搜索结果！

本文档使用 BookStack 构建

思维导图备注

文章二维码

手机扫一扫，轻松掌上读

文档下载

请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！

PDF文档 EPUB文档 MOBI文档

书签列表

阅读记录

阅读进度: 0.00% ( 0/0 ) 重置阅读进度