新書推薦:
《
大学问·市镇内外:晚明江南的地域结构与社会变迁(以地方权势阶层为切入点,剖析市镇兴衰与社会秩序变迁,为江南市镇研究开辟全新视角。)
》
售價:HK$
85.8
《
王朝的赌局:宋徽宗联金灭辽的致命抉择
》
售價:HK$
85.8
《
盔甲骑士:为自己出征(纪念版)
》
售價:HK$
54.8
《
地图中的战争史.海战篇(世界知名历史学家杰里米·布莱克口碑之作!)
》
售價:HK$
162.8
《
预见6G
》
售價:HK$
96.8
《
全球视野下的投资机会
》
售價:HK$
96.8
《
地图中的战争史.陆战篇(一本书看透军事地图对500余年来近现代世界的塑造)
》
售價:HK$
184.8
《
我们的箱根驿传
》
售價:HK$
71.5
編輯推薦:
贝叶斯方法是进行决策的重要工具,广泛应用于医学、金融、市场预测、产品检测等领域,解决一系列不确定的问题。本书有助于读者理解和应用贝叶斯方法,发觉贝叶斯方法的独特魅力及其在社会科学领域强大的应用潜力。
主要特点
·与经典统计方法比对,有助于读者掌握贝叶斯方法基本思想
·案例丰富,语言通俗,方便读者理解贝叶斯理论和实际应用
·适合具有经典统计方法基础的高年级本科生、研究生
內容簡介:
贝叶斯方法是一种计算假设概率的方法。该方法将未知模型或变量看成已知分布的随机变量,基于先验和后验概率对未知参数进行推断。古特蒙德·R.艾弗森以清晰的笔调介绍了贝叶斯方法,通过一些简单范例,讲解了如何运用贝叶斯理论及统计推论估计各种参数(包括比例、均值、相关性、回归和方差)。艾弗森提出贝叶斯方法的原理是基于先验概率产生后验概率,同时比较了贝叶斯推论法和经典推论法,阐述了贝叶斯推论的优缺点,并指出贝叶斯方法优于经典推论法。
關於作者:
古特蒙德·R.艾弗森(Gudmund R. Iversen),斯沃斯莫尔学院统计学教授、社会与政策统计学研究中心主任。著有《统计学:概念方法》(Statistics: The Conceptual Approach)、《方差分析》(Analysis of Variance)等。
译者简介
贺光烨,南京大学社会学院副教授。2016年获香港科技大学社会科学哲学博士学位。美国洛杉矶加州大学社会学系、纽约大学社会学系访问学者。主要研究方向为婚姻家庭、教育、健康、社会分层与流动、定量研究方法等。在《社会学研究》《社会》《人口研究》以及《社会科学研究》(Social Science Research)等中英文期刊发表学术论文多篇,同时参与翻译“格致方法·定量研究系列”丛书,包括《虚拟变量回归》《社会统计的数学基础》《蒙特卡罗模拟》和《贝叶斯统计推断》。
目錄 :
序
第1章 托马斯·贝叶斯统计推断
第2章 经典统计推断
第1节 运用尾概率
第2节 置信区间的解释
第3节 参数值的不确定性
第3章 贝叶斯定理
第1节 推导
第2节 范例
第3节 真总体
第4章 有关比例的贝叶斯方法
第1节 比例
第5章 其他参数的贝叶斯方法
第1节 均值
第2节 相关性
第3节 回归
第4节 列联表
第5节 两个均值间的差异
第6节 两个方差的比率
第7节 方差分析
第6章 先验分布
第1节 信息先验与非信息先验
第2节 寻找先验分布
第3节 先验的主观性质
第4节 先验的影响
第7章 贝叶斯的难点
第1节 先验
第2节 数据概率
第3节 计算
第8章 贝叶斯的优势
第1节 特定层面原因
第2节 一般层面原因
参考文献
译名对照表
內容試閱 :
序
早在该系列丛书出版以前,我们就基于经典推理统计发表了一篇关于显著性检验的论文。在本书中,艾弗森教授就贝叶斯推断表达了另一种观点,即,基于先验概率生成后验概率。前四章,艾弗森教授以温和清晰的笔调介绍了贝叶斯方法,同时运用了一些简单范例来帮助初学者理解该方法。
在阅读本书之前,读者应该对经典统计推论,尤其是对基础概率论和二项分布有一定了解。初学者要做好相应准备,从概念和计算上仔细研读和思考第5章里的有关材料和举出的例子。如果同学们愿意投资这个时间成本,接下来的第6章至第8章的学习就会非常有意义。当整本书被消化过后,就可以算是入门了。
在本书中,艾弗森教授讲解了如何运用贝叶斯理论及统计推论估计各种参数(包括比例、均值、相关性、回归和方差)。且在每个例子中,他都对贝叶斯推论法和经典推论法进行了比较。在后面的章节,他还讲述了贝叶斯推论的相关优缺点,最终得出结论:贝叶斯方法优于经典推论法。不论对此结论同意与否,通过认真学习,读者们均会对贝叶斯统计方法所涉及的内容及其优缺点有一个更深的了解。
在这本书里,艾弗森教授就贝叶斯统计的一个主要问题——先验概率的主观性进行了批判,该问题的重要性可与经典统计中假设检验的置信区间(confidence interval)选择相提并论。另外,他对先验分布的相对影响的处理,以及在实际数据中获取有关后验概率的信息也进行了详述。同时,艾弗森教授还检验了不同条件下这两类要素的敏感性,有助于新学者理解,相比实地搜集来的分析数据,根据先验信息作出的主观假设的相对效用如何。值得提及的是,就置信区间而言,事实上,经典统计方法与假设均匀先验分布的贝叶斯方法一样,同样可以得出一致的数字结果。然而,两者就结果的解释有所不同,因此研究者可能要用常规方法计算结果,而如果该先验分布是有意义的,则用贝叶斯方法进行解释。通读这本书后,读者可能会发觉贝叶斯方法的独特魅力及其在社会科学中强大的应用潜力。
约翰·L.苏利文
贝叶斯统计提供了一种假设性检验及置信区间估计的替换方法。该方法是以英国牧师托马斯·贝叶斯(Thomas Bayes, 1760年去世)命名的。贝叶斯于1763年发表的一篇关于概率等价性的论文就是现今广为所知的贝叶斯定理。当论文第一次发表时,没有人知道这个简单相等除了在一些与概率论相关的问题上运用外还可以在哪里运用。然而,两百年后贝叶斯统计被赋予了新的意义,并奠定了贝叶斯统计推论的基础。
统计推论是指将从已知样本中获得的结论推断到未知总体中去的一种方法。例如,我们知道在样本中有55%的选举人以某种方式进行投票,那么在总体中究竟有多少选举人会以这种方式投票呢?要对总体百分比进行推断,一种方法是就总体百分比设定一个零假设,如,总体百分比为50%,然后用样本数据来检验该假设是否可以被拒绝。一个常用步骤就是通过样本数据对未知总体百分比估计一个置信区间。或者,我们也可以通过贝叶斯统计来推断总体百分比。
统计推断不论采取何种方法均需要包括一个通过已知样本对更大的未知总体推断的过程。因为是推断,所以我们永远无法肯定所得出结论是百分百正确的。该不确定性就需通过概率来处理,这些概率可以被称为显著性水平和置信水平,也可以是贝叶斯先验概率和贝叶斯后验概率。
选择哪种统计推论主要基于对概率这个概念的定义。概率的数学理论并不关心概率本身是如何被量度的,但是若要用概率,我们就需要按照一定方法对其进行赋值。如何量度概率决定了在进行统计推论时,应该用假设检验、置信区间估计还是贝叶斯统计。这两种相关的概率可以被分别称为经验概率和主观概率。还存在第三种概率,即必要或逻辑概率,这里不予讨论,感兴趣的读者请参见巴内特的研究(Barnett, 1982)。
从经验性的角度来看,概率是一种长期的相对频率或比例,因此常被称为频率概率或者客观概率。假设对一个实验重复多次,每次都会发生一个事件。当实验次数越来越多,某个事件出现次数的比例就趋近于该事件的发生概率。以掷骰子为例,若掷的次数足够多,出现1或2的次数比例大约为所有投掷次数的1/3,因此可以得出结论,出现1或2的概率为1/3。该观点第一次被韦恩(Venn, 1886)提出,之后便在经典统计推断的纽曼皮尔森(NeymanPearson)系统里进行假设检验和置信区间估计时得以应用。
统计零假设检验的显著性水平就是一个相对频率的例子。如果零假设为真且在同一总体中抽取了许多不同的样本,那么总有一些样本会落入检验的拒绝区间内。这些样本就会使我们错误得拒绝零假设。其中,落入拒绝区间次数的长期比例就是检验的显著性水平。有关此类统计推论相关问题的批判性检验,请见第2章。
从主观角度来看,概率是个人基于已有证据对不确定性的量度。由于大多证据是经验性的,因此,不论是从经验角度还是主观角度,对于某一个特定概率,所得概率数值均相同。对于前例,若从主观角度来看,(基于掷骰子的物理特性)一个公平骰子出现1或2的概率也为1/3。因掷骰子所出现事件的概率密度函数服从均匀分布,据经验发现,掷骰子得到1或2的比例是1/3,所以,对于一个公平骰子,其出现1或2的概率就为1/3。
我们还可以将主观概率运用到无法重复的事件上。政治学家常常基于当前的政治形势,例如,该总统对再次参选的态度等,来表达第一个任期的总统再次参选的概率。我们无法一直观察该总统的行为,将时间调回并记录下他每一次的决定。因此,对于该总统是否参选的概率则没有经验性和实验性基础。任何使用经典统计推论方法的人都无法用概率来考虑第二次竞选的可能性。由于主观概率可以用于量度单个唯一事件的不确定性,因此主观概率相较经验概率更具有一般性,且这些概率并不唯一。由于两个理性的人对于总统意图的判断基于的信息可能会不同,因此有关总统是否寻求第二任期的主观概率可能不同。