貝氏統計導論:EXCEL應用 | 貝氏定理excel
Ch1谷歌與微軟都使用貝氏統計1.1 21世紀是貝氏統計的世紀1.2 貝氏理論是什麼1.3 過去的統計學與貝氏統計學在想法上之差異1.4 貝氏統計學與MCMC法Ch2進入貝氏統計前的準備2.1 條件機率與乘法定理2.2 機率變數與機率分配2.3 有名的機率分配2.4 概似函數與最大概似估計法Ch3貝氏定理與其應用3.1 何謂貝氏定理3.2 貝氏定理的變形3.3 壺子的問題3.4 從大學的入學考試問題挑戰貝氏統計3.5 犯人A得救的機率是否提升?3.6 以貝氏過濾網攔截垃圾郵件3.7 貝氏網路的效用是什麼?Ch4貝氏統計的基本概念4.1 貝氏統計是簡單的強力工...
Ch1 谷歌與微軟都使用貝氏統計 1.1 21世紀是貝氏統計的世紀 1.2 貝氏理論是什麼 1.3 過去的統計學與貝氏統計學在想法上之差異 1.4 貝氏統計學與MCMC法Ch2 進入貝氏統計前的準備2.1 條件機率與乘法定理2.2 機率變數與機率分配2.3 有名的機率分配2.4 概似函數與最大概似估計法
Ch3 貝氏定理與其應用3.1 何謂貝氏定理3.2 貝氏定理的變形3.3 壺子的問題3.4 從大學的入學考試問題挑戰貝氏統計3.5 犯人A得救的機率是否提升?3.6 以貝氏過濾網攔截垃圾郵件3.7 貝氏網路的效用是什麼?
Ch4 貝氏統計的基本概念4.1 貝氏統計是簡單的強力工具4.2 貝氏統計的基本公式4.3 硬幣問題4.4 藥的效用問題
Ch5 貝氏統計的應用5.1 貝氏統計與自然共軛分配5.2 概似服從二項分配時5.3 概似服從常態分配時(其一)5.4 概似函數服從常態分配時(其二)5.5 概似服從卜式分配時5.6 使用貝氏因子的統計模式的評估法5.7 貝氏估計與傳統的統計估計5.8 貝氏統計與最大概似估計法的關係
Ch6 以MCMC法求解的貝氏統計6.1 何謂MCMC法6.2 吉普斯法(Willard Gibbs)的體系6.3 吉普斯法的具體例子6.4 吉普斯法與Excel6.5 Metropolis法的體系6.6 Metropolis法的具體例子6.7 應用Excel執行Metropolis法
Ch7 階層貝氏法7.1 可因應複雜統計模式的階層貝氏法7.2 以傳統的最大概似法求解看看7.3 階層貝氏法的模式化7.4 以常態貝氏法求解階層貝氏模式7.5 經驗貝氏法所需Excel工作表解說7.6 以MCMC法求解階層貝氏模式7.7 以MCMC法解說Excel試算表
Ch8 貝氏估計與貝氏決定8.1 事後期待損失最小化,是貝氏學派的估計、決定的基本8.2 MAP估計文字類型8.3 從樣本估計洋芋片內容量的分配函數8.4 基於經驗資訊MAP決定計畫實施8.5 使事後期待損失最小化的決定法是貝氏的決斷
Ch9 貝氏理論在線性迴歸模型中的應用9.1 迴歸分析的複習9.2 貝式應用在簡單迴歸分析9.3 貝氏也可應用在複迴歸分析 附 錄參考文獻