0人評分過此書

極簡貝氏統計學:從「結果」倒推「原因」的逆向思考法

出版日期
2022/05/01
閱讀格式
PDF
書籍分類
學科分類
ISBN
9789863704102

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
~最強的決策工具,也是最流行的統計學~ 從「結果」倒推「原因」,少少的情報就足以預測未來! 【本書特色】 ◎全書以圖解&步驟拆解,視覺化呈現運算的邏輯,助你突破貝氏統計的兩大難關──「符號」和「條件機率」。 ◎蒙提霍爾問題、囚徒問題、垃圾郵件的過濾,援引6道經典例題,深化理解貝氏統計學,啟發你的應用靈感。 ◎每小節的最後都有重點總結,學習後就能快速歸納要點。 日本物理學家佐治晴夫曾說過:「所有的過去,都可以被改寫。」 福爾摩斯的經典名言:「排除一切不可能之後,最後剩下的無論再如何離奇,也必然是真相。」 這兩句名言所闡述的「反向推理」,背後所牽涉的概念,其實就是「貝氏統計」的核心。 隨著「大數據」、「資料庫」成為科技趨勢,「統計學」成為近年來的顯學。 其中,又以「貝氏統計學」為創新領域最廣泛提及的佼佼者。 ◆◆什麼是貝氏統計學?◆◆ 我們生活周遭充滿各式各樣的「資訊」,例如節目收視率、考試分數、降雨機率、每戶家庭的存款餘額。 利用這些資訊,掌握並分析現狀,藉此預測未來,這就是統計學的應用之道。 然而,資訊卻也可能隨著情況變化而隨時改變,例如許多猜謎節目,就很可能隨著提示增加而提高答對的機率。 不斷收集新的資料來掌握來更新機率,這樣的方法就稱作「貝氏定理」。 而「貝氏統計」正是以「貝氏定理」為基礎的統計方法,亦即根據「結果」尋找「原因」。 ・針對罹患率低的傳染病,全民篩檢真有意義嗎? ・電子信箱是如何過濾垃圾郵件? ・假設飛機遭遇空難,如何縮小海面的搜尋範圍? 曾經令現代人棘手的數學難題,都能在貝氏統計的預測下,幫助我們跨出一大步! ◆◆貝氏統計好難學?皆因這兩大難關◆◆ 本書作者為日本海上自衛隊的數學科教官,專門教授飛行預官的課程。 要駕駛飛機這架龐然巨物,飛行官的日常工作自然也免不了數學計算與估值,舉凡燃油消耗量、起飛數據、下降軌道等等。 多年的教學,讓作者在協助學生克服數學心魔的同時,也成功歸納出有效學習的竅門──關鍵就在於使「抽象」的邏輯思考,改以視覺呈現,眼見更能「直觀」理解! 初次學習貝氏統計的人,「符號」和「條件機率」往往成為難以逾越的高牆。 本書將推論與計算的過程,均以圖表詳細解說,搭配每一節的教學重點,先從暖身題提示核心觀念,再融入日常時常耳聞的經典例題,導入貝氏定理解題。 循序漸進的學習模式,通過插圖使數字視覺化呈現,助你一一突破自學的關卡!
  • 前言
  • 第1章 什麼是「貝氏統計」?
    • 基礎知識1 「統計」的定義
    • 基礎知識2 用「貝氏統計」處理變化的機率
    • 基礎知識3 統計用語
    • 基礎知識4 統計「最前線」就在超商!
    • 基礎知識5 掌握統計的「基礎」
    • 基礎知識6 資料的分類
    • 基礎知識7 質的資料(無法用數值衡量的資料)
    • 基礎知識8 量的資料(可以用數值衡量的資料)
    • 基礎知識9 「傳統統計學」與「貝氏統計」的區別
    • 基礎知識10 「敘述統計」與「推論統計」
      • 敘述統計學
      • 推論統計學
    • 基礎知識11 代表值和分散度
    • 基礎知識12 從調查「最大值」與「最小值」開始
    • 基礎知識13 認識代表值之王「平均數」
    • 基礎知識14 平均數無法發揮,就改用「中位數」
    • 基礎知識15 計算平均數容易犯的「錯誤」
    • 基礎知識16 不易受離群值影響的中位數
    • 基礎知識17 資料的「多數決」─眾數
  • 第2章 入門速記!「集合」和「機率」的符號
    • 暖身題!「集合」和「機率」的符號練習
  • 第3章 什麼是「條件機率」?
    • 愈熟悉愈加分的「條件機率」!
    • 暖身題!「條件機率」的練習
    • 條件機率的著名題目① 三個櫃子
    • 條件機率的著名題目② K 先生總把帽子忘在別人家
    • 條件機率很容易受到「直覺」欺騙
    • 暖身題! 推導「貝氏定理」的過程
    • 試著用「貝氏定理」來解題
  • 第4章 「貝氏定理」的三道經典例題
    • 蒙提霍爾問題 換一扇門比較好? 還是換了也一樣?
      • 蒙提霍爾問題的解說①:堅持不換的情況
      • 蒙提霍爾問題的解說②:換門的情況
      • 改從「極端例子」轉換思考
      • 用數學驗證「蒙提霍爾問題」
    • P 檢查和C 病毒的問題 計算機率,「前提條件」很重要
      • 「靈敏度」是正確判定為「陽性」的機率
      • 「特異度」是正確判定為「陰性」的機率
    • 三囚徒問題 囚犯A 的生存機率果真提高了嗎?
      • 事件A:囚犯A 獲得赦免的情況
      • 事件B:囚犯B 獲得赦免的情況
      • 事件C:囚犯C 獲得赦免的情況
      • 囚犯A 獲得赦免的機率
      • 囚犯C 獲得赦免的機率
    • 飛機墜毀的問題 失事原因為引擎故障的機率是多少?
  • 第5章 「不充分理由原則」和「貝氏更新」
    • 什麼是「不充分理由原則」?
    • 暖身題! 從壺裡取出藍色球的機率 假設時序相反時
    • 機率不斷更新的「貝氏更新」 緊緊跟隨每時每刻的變化
      • 通過貝氏更新,更新機率
      • 茫茫大海,如何搜尋失聯的墜機?
    • 暖身題!「垃圾郵件」的篩選機制 從關鍵特徵反映機率
  • 後記
  • 參考文獻

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading