파이썬을 활용한 베이지안 통계

__옮긴이의 글
__들어가며

CHAPTER 1 베이즈 이론
__1.1 조건부 확률
__1.2 결합 확률
__1.3 쿠키 문제
__1.4 베이즈 이론
__1.5 통시적 해석
__1.6 M&M 문제
__1.7 몬티 홀 문제
__1.8 토의

CHAPTER 2 계산 통계
__2.1 분포
__2.2 쿠키 문제
__2.3 베이지안 프레임워크
__2.4 몬티 홀 문제
__2.5 프레임워크 캡슐화
__2.6 M&M 문제
__2.7 토의
__2.8 연습문제

CHAPTER 3 추정 1
__3.1 주사위 문제
__3.2 기관차 문제
__3.3 사전 확률로 할 수 있는 것
__3.4 사전 확률의 대안
__3.5 신뢰구간
__3.6 누적 분포 함수
__3.7 독일 탱크 문제
__3.8 토의
__3.9 연습문제

CHAPTER 4 추정 2
__4.1 유로 문제
__4.2 사후 확률 요약하기
__4.3 사전 분포 범람
__4.4 최적화
__4.5 베타 분포
__4.6 토의
__4.7 연습문제

CHAPTER 5 공산과 가산
__5.1 공산
__5.2 베이즈 이론의 공산 형태
__5.3 올리버의 혈액형
__5.4 가산
__5.5 최댓값
__5.6 혼합
__5.7 토의

CHAPTER 6 의사 결정 분석
__6.1 '그 가격이 적당해요' 문제
__6.2 사전 분포
__6.3 확률 밀도 함수
__6.4 PDF 나타내기
__6.5 참가자 모델링
__6.6 우도
__6.7 갱신
__6.8 최적 입찰
__6.9 토의

CHAPTER 7 예측
__7.1 보스턴 브루인스 문제
__7.2 포아송 프로세스
__7.3 사후 분포
__7.4 골의 분포
__7.5 이길 확률
__7.6 서든 데스
__7.7 토의
__7.8 연습문제

CHAPTER 8 관측 편향
__8.1 레드라인 문제
__8.2 모델
__8.3 대기 시간
__8.4 대기 시간 예측
__8.5 도착 비율 추정
__8.6 결합 불확실성
__8.7 의사 결정 분석
__8.8 토의
__8.9 연습문제

CHAPTER 9 두 차원
__9.1 페인트볼 게임
__9.2 스윗
__9.3 삼각법
__9.4 우도
__9.5 결합 분포
__9.6 조건 분포
__9.7 신뢰구간
__9.8 토의
__9.9 연습문제

CHAPTER 10 근사 베이지안 계산
__10.1 변이 가설
__10.2 평균과 표준편차
__10.3 갱신
__10.4 CV의 사후 분포
__10.5 언더플로
__10.6 로그 우도
__10.7 약간의 최적화
__10.8 근사 베이지안 계산(ABC)
__10.9 로버스트 추정
__10.10 누가 더 변이성이 높은가?
__10.11 토의
__10.12 연습문제

CHAPTER 11 가설 검정
__11.1 유로 문제(2)
__11.2 공정하게 비교하기
__11.3 삼각 사전 확률
__11.4 토의
__11.5 연습문제

CHAPTER 12 증거
__12.1 SAT 점수 해석
__12.2 스케일
__12.3 사전 분포
__12.4 사후 분포
__12.5 더 나은 모델
__12.6 보정
__12.7 효과의 사후 분포
__12.8 예측 분포
__12.9 토의
__
CHAPTER 13 시뮬레이션
__13.1 신장 종양 문제
__13.2 단순 모델
__13.3 좀 더 일반적인 모델
__13.4 구현
__13.5 결합 확률 캐싱
__13.6 조건 분포
__13.7 연속 상관관계
__13.8 토의

CHAPTER 14 계층 모델
__14.1 가이거 계수기 문제
__14.2 단순하게 시작하기
__14.3 계층적으로 만들기
__14.4 약간 최적화하기
__14.5 사후 분포 추출하기
__14.6 토의
__14.7 연습문제

CHAPTER 15 차원 다루기
__15.1 배꼽 박테리아
__15.2 사자와 호랑이와 곰
__15.3 계층 버전
__15.4 랜덤 샘플링
__15.5 최적화
__15.6 계층 구조 붕괴
__15.7 문제 하나 더
__15.8 아직 끝나지 않았다
__15.9 배꼽 박테리아 데이터
__15.10 예측 분포
__15.11 결합 사후 분포
__15.12 범위
__15.13 토의

__찾아보기