內容簡介 　　修訂第二版的內容與前一版相同，主要是調整方程式的顏色，使之更容易區別。 　　小編評語：『厚達六百多頁的統計學想必硬到不行？NO NO NO！這本書的進行方式實在太有創意了，我不僅一步一步跟著鑽研練習，更從實作中享受到讀懂的樂趣。』 　　貝氏統計因 AI 人工智慧的發展而變得更加炙手可熱，其核心是利用統計推論的方法，在觀察到新資料或證據時，利用科學方法循環更新先前假設的機率，非常適合只能依據僅有且不夠完整的資訊進行假設評估的技術。目前廣泛應用於人工智慧 (機器學習、深度學習)、社會學、生物學、醫學、公共衛生、心理學、物理及科學等領域。 　　正經八百的統計學應該大家都望之卻步吧，本書作者獨樹一格，摒棄枯燥的說教方式，選擇與學習者站在一起，將學習過程中腦海裡經常冒出來的問號，以豐富的圖表、實作輔助並提供許多參考資源的問答方法呈現，如同老師就在你的身邊，看得懂才學得會。對於重要觀念與公式，也會用不同顏色標示 (對了！本書是彩色印刷，灑花)，並且不斷地前後呼應提醒，講七遍做二十一遍，才不會讀到後面又忘了前面，如此才能把貝氏統計的精髓深深烙印在腦中。 　　本書非常適合個人研讀以及想瞭解貝氏統計技術的專業研究人員，亦可做為大學高年級和研究所教學用書。 目錄 第一篇 機率的基本概念 Ch01 先來瞭解一下機率 Ch02 聯合機率、邊際機率、條件機率 第二篇 貝氏定理和貝氏推論 Ch03 貝氏定理 Ch04 貝氏推論 Ch05 作者問題：包含兩個假設的貝氏推論 Ch06 生日問題：包含多個假設的貝氏推論 Ch07 肖像問題：利用聯合概似性進行貝氏推論 第三篇 機率函數 Ch08 機率質量函數 Ch09 機率密度函數 第四篇 貝氏共軛 (Bayesian Conjugate) Ch10 白宮問題：Beta－二項式共軛 Ch11 鯊魚攻擊問題：Gamma－卜瓦松共軛 Ch12 楓糖問題：常態－常態共軛 第五篇 馬可夫鏈蒙地卡羅 (MCMC) Ch13 回顧鯊魚攻擊問題：以 Metropolis 演算法進行 MCMC 分析 Ch14 MCMC 診斷技巧 Ch15 回顧白宮問題：以 Metropolis－Hastings 演算法進行 MCMC 分析 Ch16 回顧楓糖問題：以 Gibbs 採樣進行 MCMC 分析 第六篇 貝是定理的有趣應用 Ch17 生存遊戲問題：以 MCMC 進行簡單線性迴歸 Ch18 繼續討論生存遊戲問題：介紹貝氏模型選擇 Ch19 羅雷司問題：介紹貝氏網路 Ch20 萬事樂問題：介紹決策樹 附錄 A1 Beta－二項式共軛解 A2 Gamma－卜瓦松共軛解 A3 常態－常態共軛解 A4 簡單線性迴歸的共軛解 A5 迴歸資料的標準化