Think Bayes: Statistica bayesiana in Python

Recensioni dei lettori

Il libro è molto apprezzato per la sua capacità di approfondire la comprensione della statistica bayesiana e di migliorare le competenze pratiche degli utenti con la programmazione ed esempi reali. Gli utenti ne apprezzano in particolare il rigore, l'approccio intuitivo e il collegamento tra teoria e pratica. Tuttavia, alcuni recensori sottolineano che il libro non insegna la programmazione o la statistica in modo approfondito, e l'assenza di soluzioni agli esercizi è un aspetto negativo per alcuni lettori.

- Costruisce efficacemente l'intuizione e collega la teoria alla pratica. - Include esempi reali ed esercizi pratici di codifica. - Ottimo per lettori con una conoscenza di base di Bayes. - Conciso e accessibile per i principianti. - Gli esempi coinvolgenti mantengono viva l'attenzione del lettore.

- Non è un libro di programmazione o di statistica dettagliata; non insegna a fondo i concetti di programmazione o di statistica. - Non vengono fornite soluzioni per gli esercizi, il che lo rende meno utile per alcuni lettori.

(basato su 8 recensioni dei lettori)

Titolo originale:

Think Bayes: Bayesian Statistics in Python

Contenuto del libro:

Se sapete programmare, siete pronti ad affrontare la statistica bayesiana. Con questo libro imparerete a risolvere i problemi statistici con il codice Python anziché con le formule matematiche, utilizzando distribuzioni di probabilità discrete anziché la matematica continua. Una volta eliminata la matematica, i fondamenti della Bayesiana diventeranno più chiari e potrete iniziare ad applicare queste tecniche ai problemi del mondo reale.

I metodi statistici bayesiani stanno diventando sempre più comuni e importanti, ma non ci sono molte risorse disponibili per aiutare i principianti. Basato sulle lezioni universitarie tenute dall'autore Allen B. Downey, l'approccio computazionale di questo libro vi aiuta ad avere un solido inizio.

⬤ Utilizzare le proprie capacità di programmazione per imparare e comprendere la statistica bayesiana.

⬤ Lavorare con problemi che coinvolgono la stima, la previsione, l'analisi delle decisioni, l'evidenza e i test di ipotesi bayesiani.

⬤ Iniziare con semplici esempi, utilizzando monete, dadi e una ciotola di biscotti.

⬤ Imparare i metodi computazionali per risolvere i problemi del mondo reale.