正版 概率与统计 计算机科学视角 大卫 福赛斯 统计学精品译丛 9787111695844 机械工业出版社店

  商品基本信息

商品名称：

  概率与统计：计算机科学视角

作     者：

  [美]大卫·福赛斯(David Forsyth)

市 场 价：

  139.00元

ISBN  号：

  9787111695844

页     数：

  384

出 版 社：

  机械工业出版社

  目录

前言

致谢

作者简介

符号和约定

第一部分  数据集的描述

第1章  查看数据的第一个工具       2

1.1  数据集                       2

1.2  正在发生什么？绘制数据的图形 3

1.2.1  条形图                     5

1.2.2  直方图                     5

1.2.3  如何制作直方图             6

1.2.4  条件直方图                 7

1.3  汇总一维数据                 8

1.3.1  均值                       8

1.3.2  标准差                     9

1.3.3  在线计算均值和标准差       12

1.3.4  方差                       13

1.3.5  中位数                     13

1.3.6  四分位距                   15

1.3.7  合理使用汇总数据           16

1.4  图形和总结                   16

1.4.1  直方图的一些性质           17

1.4.2  标准坐标和正态数据         19

1.4.3  箱形图                     21

1.5  谁的更大？澳大利亚比萨调查   22

问题                              26

编程练习                          26

第2章  关注关系                   28

2.1  二维数据绘图                 28

2.1.1  分类数据、计数和图表       28

2.1.2  序列                       32

2.1.3  空间数据散点图             33

2.1.4  用散点图揭示关系           33

2.2  相关                         37

2.2.1  相关系数                   40

2.2.2  用相关性预测               43

2.2.3  相关性带来的困惑           46

2.3  野生马群中的不育公马         47

问题                              49

编程练习                          51

第二部分  概率

第3章  概率论基础                 56

3.1  实验、结果和概率             56

3.2  事件                         57

3.2.1  通过计数结果来计算事件概率 58

3.2.2  事件概率                   60

3.2.3  通过对集合的推理来计算概率 62

3.3  独立性                       64

3.4  条件概率                     68

3.4.1  计算条件概率               69

3.4.2  检测罕见事件是困难的       71

3.4.3  条件概率和各种独立形式     73

3.4.4  警示例子：检察官的谬论     74

3.4.5  警示例子：Monty Hall 问题  75

3.5  更多实例                     77

3.5.1  结果和概率                 77

3.5.2  事件                       78

3.5.3  独立性                     78

3.5.4  条件概率                   79

问题                              81

第4章  随机变量与期望             86

4.1  随机变量                     86

4.1.1  随机变量的联合概率与条件概率87

4.1.2  只是一个小的连续概率       90

4.2  期望和期望值                 92

4.2.1  期望值                     92

4.2.2  均值、方差和协方差         94

4.2.3  期望和统计                 96

4.3  弱大数定律                   97

4.3.1  独立同分布样本             97

4.3.2  两个不等式                 98

4.3.3  不等式的证明               98

4.3.4  弱大数定律的定义           100

4.4  弱大数定律应用               101

4.4.1  你应该接受下注吗           101

4.4.2  赔率、期望与博彩：文化转向 102

4.4.3  提前结束比赛               103

4.4.4  用决策树和期望做决策       104

4.4.5  效用                       105

问题                              107

编程练习                          110

第5章  有用的概率分布             112

5.1  离散分布                     112

5.1.1  均匀分布                   112

5.1.2  伯努利随机变量             112

5.1.3  几何分布                   113

5.1.4  二项分布                   113

5.1.5  多项分布                   115

5.1.6  泊松分布                   115

5.2  连续分布                     117

5.2.1  均匀分布                   117

5.2.2  贝塔分布                   117

5.2.3  伽马分布                   118

5.2.4  指数分布                   119

5.3  正态分布                     119

5.3.1  标准正态分布               120

5.3.2  正态分布                   120

5.3.3  正态分布的特征             121

5.4  逼近参数为$N$的二项式        122

5.4.1  当$N$取值很大时            124

5.4.2  正态化                     125

5.4.3  二项分布的正态逼近         127

问题                              127

编程练习                          132

第三部分  推断

第6章  样本和总体                 136

6.1  样本均值                     136

6.1.1  样本均值是对总体均值的估计 136

6.1.2  样本均值的方差             137

6.1.3  罐子模型的应用             140

6.1.4  分布就像总体               140

6.2  置信区间                     141

6.2.1  构造置信区间               141

6.2.2  估计样本均值的方差         142

6.2.3  样本均值的概率分布         144

6.2.4  总体均值的置信区间         145

6.2.5  模拟的标准误差估计         147

问题                              149

编程练习                          151

第7章  显著性检验                 153

7.1  显著性                       154

7.1.1  评估显著性                 154

7.1.2  p值                      156

7.2  比较两个总体的均值           159

7.2.1  假定总体的标准差已知       159

7.2.2  假定总体有相同但未知的标准差 161

7.2.3  假定总体的标准差未知且不同 161

7.3  其他有用的显著性检验         163

7.3.1  F检验和标准差              163

7.3.2  模型拟合的x2检验  164

7.4  p 值操控和其他危险行为     168

问题                              169

第8章  实验                       172

8.1  简单实验:一种处理方法的影响  172

8.1.1  随机平衡实验               173

8.1.2  分解预测中的误差           174

8.1.3  估计噪声的方差             174

8.1.4  方差分析表                 176

8.1.5  非平衡实验                 177

8.1.6  显著性差异                 178

8.2  双因素实验                   180

8.2.1  误差分解                   182

8.2.2  交互效应                   184

8.2.3  单个因素的影响             184

8.2.4  建立方差分析表             185

问题                              188

第9章  基于数据推断概率模型       191

9.1  用极大似然估计模型参数       192

9.1.1  极大似然原理               192

9.1.2  二项分布、几何分布和多项分布 193

9.1.3  泊松分布和正态分布          195

9.1.4  模型参数的置信区间          198

9.1.5  关于极大似然的注意事项      200

9.2  结合贝叶斯推断的先验概率      200

9.2.1  共轭                        202

9.2.2  MAP推断                     204

9.2.3  贝叶斯推断的注意事项        205

9.3  正态分布的贝叶斯推断          205

9.3.1  示例：测量钻孔深度          205

9.3.2  通过正态先验分布和正态似然函数得出正态后验分布206

9.3.3  过滤                        208

字符所限未完

  内容简介

本书针对计算机科学专业的本科生，旨在揭示概率和统计的思想。全书共分为五部分，第I部分数据集的描述，涵盖各种描述性统计量（均值、标准差、方差）、一维数据集的可视化方法，以及散点图、相关性和二维数据集的描述；第II部分概率，内容涵盖离散型概率、条件概率、连续型概率、Markov不等式、Chebyshev不等式及弱大数定律等；第III部分推断，涵盖样本、总体、置信区间、统计显著性、试验设计、方差分析和简单贝叶斯推断等；第IV部分工具，涵盖主成分分析、zui近邻分类、朴素贝叶斯分类、K均值聚类、线性回归、隐Markov模型等；第V部分零散的数学知识，汇总了一些有用的数学事实。