통합검색

[파이썬을 활용한 베이지안 통계(Think Bayes)]는 파이썬 프로그램을 사용할 수 있고, 확률에 대한 개념이 있는 독자들을 위해 파이썬을 활용한 통계를 소개한 책이다. 이 책은 수학 기호 대신 파이썬 코드를 사용하고, 연속형 확률 분포 대신 이산형 확률 분포를 사용해서 통계 문제를 푸는 방법을 알려준다.

파이썬 프로그래밍을 할 수 있고 확률에 대한 간단한 개념만 있다면 베이지안 통계를 배울 준비가 된 것이다.
이 책에서는 수학 기호 대신 파이썬 코드를, 연속형 확률 분포 대신 이산형 확률 분포를 사용해서 통계 문제
를 푸는 방법을 알려준다. 수학적 방법에서 빠져나와 코드로 기본 베이지안 개념을 명확하게 보면 이 기술을
실생활의 문제에 적용할 수 있을 것이다.

출판사 리뷰
추리 드라마를 보면 흔히 나오는 장면이 있다. 총알이 날아온 방향은? 옛날 드라마에서는 피해자 인형을 두고 긴 막대를 꽂아가면서 어느 쪽에서 저격수가 총을 쐈는가를 계산했다. 근래에는 어떤가? 몇몇 수치를 집어 넣으면 컴퓨터 시뮬레이션이 화려하게 총알의 방향을 예측해준다. 이렇게 화려한 화면을 보여줄 수는 없지만, 통계과 파이썬을 안다면 총알의 방향을 여러분도 예측할 수 있다. 바로 이 책 9장 1절의 페인트볼 게임이 그런 예제다.
스마트폰이 없던 시절을 떠올려보자. 아침마다 정신없이 지하철로 뛰어간다. 또는 버스를 타러 열심히 가고 있을 당신, 정류장에서 서성이는 승객 수를 보며 저도 모르게 안도의 한숨을 쉬지 않았던가? 혹은 서둘러 택시를 잡던가... 그렇다면 몇 차례의 경험을 바탕으로 버스나 지하철이 곧 도착할지 지나갔는지 예측하곤 했을 텐데... 이것을 통계에 적용하면 바로 8장 관측 편항이다.
저자는 이렇게 일상에서 일어나거나 봤을 법한 일을 기반으로 개발자에게는 손쉽고, 일반인도 배우기 쉬워 인기 있는 파이썬 프로그래밍 언어로 풀어내고 있다. 술술 읽히며 저도 모르고 집중하게 되는 저자의 실생활 예제와 몇 줄 짜리 코드로 데이터에 새로운 시각을 더해보자.
혹 이 책을 보다가 통계에 관심을 더 갖게 된다면 잊지 말고 저자의 통계책인 『Think Stats : 프로그래머를 위한 통계 및 데이터 분석 방법』(한빛미디어, 2013, eBook)을 찾아 읽어보자.

__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