這本書幫助那些希望用數學工具解決實際問題的人們，僅有的要求可能就是懂一點概率知識和程序設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數學方法，對于一個計算機專業的人士，應當熟悉其應用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領域。
可是本書實際上會遠遠擴大你的視野，即使不是一個計算機專業的人士，你也可以看到在戰爭環境下(二戰德軍坦克問題)，法律問題上(腎腫瘤的假設驗證)，體育博彩領域(隊和加人隊NFL比賽問題)貝葉斯方法的威力。怎么從有限的信息判斷德軍裝甲部隊的規模，你所支持的球隊有多大可能贏得冠軍，在《龍與地下城》勇士中，你應當對游戲角色屬性的值有什么樣的期望，甚至在普通的彩彈射擊游戲中，擁有一些貝葉斯思維也能幫助到你提高游戲水平。
除此以外，本書在共計15章的篇幅中討論了怎樣解決十幾個現實生活中的實際問題。在這些問題的解決過程中，作者還潛移默化的幫助讀者形成了建模決策的方法論，建模誤差和數值誤差怎么取舍，怎樣為具體問題建立數學模型，如何抓住問題中的主要矛盾(模型中的關鍵參數)，再一步一步的優化或者驗證模型的有效性或者局限性。在這個意義上，這本書又是一本關于數學建模的成功樣本。
貝葉斯方法正在變得越來越常見與重要，但是卻沒有太多可以借鑒的資料來幫助初學者。基于Allen Downey在大學講授的本科課程，本書的計算方法能幫助你獲得一個良好的開端。
使用已有的編程技巧學習和理解貝葉斯統計
處理估計、預測、決策分析、假設的證據、假設檢驗等問題
從簡單的例子開始，包括硬幣問題、M&Ms豆問題、《龍與地下城》勇士投骰子問題、彩彈游戲和冰球比賽問題
學習計算方法，解決諸如SAT分數含義、模擬腎腫瘤和人體微生物建模問題
作者：Allen Downey，是歐林工程學院的計算機教授，加州大學伯克利分校的計算機博士。他在韋斯利學院(Wellesley College)、科爾比學院(Colby College)和加州大學伯克利分校講授計算機科學課程。他也是O’Reilly出版的Think Stats和Think Python圖書的作者。
譯者：許楊毅，新浪網系統架構師，技術保障部總監，畢業于湖南大學，15年互聯網工作經驗。
第1章 貝葉斯定理
1.1 條件概率
1.2 聯合概率
1.3 曲奇餅問題
1.4 貝葉斯定理
1.5 歷時詮釋
1.6 M&M豆問題
1.7 Monty Hall難題
1.8 討論
第2章 統計計算
2.1 分布
2.2 曲奇餅問題
2.3 貝葉斯框架
2.4 Monty Hall難題
2.5 封裝框架
2.6 M&M豆問題
2.7 討論
2.8 練習
第3章 估計
3.1 骰子問題
3.2 火車頭問題
3.3 怎樣看待先驗概率？
3.4 其他先驗概率
3.5 置信區間
3.6 累積分布函數
3.7 德軍坦克問題
3.8 討論
3.9 練習
第4章 估計進階
4.1歐元問題
4.2后驗概率的概述
4.3先驗概率的湮沒
4.4優化
4.5Beta分布
4.6討論
4.7練習
第5章 勝率和加數
5.1 勝率
5.2 貝葉斯定理的勝率形式
5.3 奧利弗的血跡
5.4 加數
5.5 較大化
5.6 混合分布
5.7 討論
第6章 決策分析
6.1 “正確的價格”問題
6.2 先驗概率
6.3 概率密度函數
6.4 PDF的表示
6.5 選手建模
6.6 似然度
6.7 更新
6.8 出價
6.9 討論
第7章 預測
7.1波士頓棕熊隊問題
7.2泊松過程
7.3后驗
7.4進球分布
7.5獲勝的概率
7.6突然死亡法則
7.7討論
7.8練習
第8章 觀察者的偏差
8.1紅線問題
8.2模型
8.3等待時間
8.4預測等待時間
8.5估計到達率
8.6消除不確定性
8.7決策分析
8.8討論
8.9練習
第9章 二維問題
9.1 彩彈
9.2 Suite對象
9.3 三角學
9.4 似然度
9.5 聯合分布
9.6 條件分布
9.7 置信區間
9.8 討論
9.9 練習
第10章 貝葉斯近似計算
10.1 變異性假說
10.2 均值和標準差
10.3 更新
10.4 CV的后驗分布
10.5 數據下溢
10.6 對數似然
10.7 一個小的優化
10.8 ABC(近似貝葉斯計算)
10.9 估計的性
10.10 誰的變異性更大？
10.11 討論
10.12 練習
第11章 假設檢驗
11.1 回到歐元問題
11.2 來一個公平的對比
11.3 三角前驗
11.4 討論
11.5 練習
第12章 證據
12.1 解讀SAT成績
12.2 比例得分SAT
12.3 先驗
12.4 后驗
12.5 一個更好的模型
12.6 校準
12.7 效率的后驗分布
12.8 預測分布
12.9 討論
第13章 模擬
13.1 腎腫瘤的問題
13.2 一個簡化模型
13.3 更普遍的模型
13.4 實現
13.5 緩存聯合分布
13.6 條件分布
13.7 序列相關性
13.8 討論
第14章 層次化模型
14.1 蓋革計數器問題
14.2 從簡單的開始
14.3 分層模型
14.4 一個小優化
14.5 抽取后驗
14.6 討論
14.7 練習
第15章 處理多維問題
15.1 臍部細菌
15.2 獅子，老虎和熊
15.3 分層版本
15.4 隨機抽樣
15.5 優化
15.6 堆疊的層次結構
15.7 另一個問題
15.8 還有工作要做
15.9 肚臍數據
15.10 預測分布
15.11 聯合后驗
15.12 覆蓋
15.13 討論
印刷挺好的
包裝很好，看完再來評論
五個字！！！！！
質量不錯，就是快遞比較慢
講解直白，適合入門者閱讀
反反復復發
Satisfied
還沒看呢，不知怎么樣
這本書的作者公布了英文的PDF版，買的中文版感覺性價比太低，如果英文不錯的話，可以直接讀英文，總共才200也左右嘛。
寡淡無味的書，這個人根本不會寫作，一個冷漠的人寫的書。如果是全價買的就退了，但是是半價買的，想扔了。
頁數不多，價格稍高！不過看在python的面子上，還是可以簡單讀讀！
今天中午到的，速度真心的快，就是買前沒有仔細看，書太薄了。
基本上是從程序上來說明一些統計算法，還算實用。
這個，感覺之前買的有點略沖動，不過，如果在給我一次應該不會購買了。
湊單買的，老公還沒來得及看，像大學的高數呀，沒有研究興趣的人估計很難靜下心來讀吧，哈哈
很好，盡管現在沒細看，但很多事概率統計的知識
一向oreilly是不錯的出版物，貝葉斯與python的結合，更是為python引入國內或國內科研，打下良好的鋪墊。
有Python基礎和數學基礎的人 進行統計學習
想找本python關于詳細統計的，可惜沒有，這本還差太多
書本知識本身不錯，但是就是環境配置還有載入庫比較難受，總之比較好的給了一個框架，但是具體怎么理解就要深入分析一下了。
書很薄,主要是想使用python來實現貝葉斯思維才買的,內容講的還可以。
我認為書雖然很薄，但基本都是干貨，對理解貝葉斯很有幫助
用pythob學統計建模，打牢數據分析基礎
貝葉斯思維，機器學習中的經典理論又火了一把，樸素貝葉斯等算法的講解很到位。
貝葉斯的書世面上不多，這邊算是理論聯系實際的，更容易理解貝葉斯統計。
還行， 錯誤不是很多， 但還是有翻譯錯誤， 有點的列子新穎，多，有啟發性， 這本書的缺點是列子都沒有公式，只有Python， 最后自己加個公式， 這樣比較容易懂， 如果用R實現就更好了。
貝葉斯思維，這本書的內容還是挺不錯的，正在努力學習中，希望能幫助我提升。書的包裝和紙質都不錯。
簡單明白，看到開頭的數學題，我以為完了；但后面有模塊可以下載，運用Python貝葉斯就那么簡單。
