Байесовский анализ на Python

Эта книга, посвященная методике вероятностного программирования, научит вас создавать гибкие байесовские статистические модели в программном коде. Сочетание гибкого определения модели и механизма автоматического логического вывода предоставляет исследователю мощный инструмент для быстрого создания, анализа и постепенного усовершенствования новых статистических моделей. Вероятностное программирование делает статистическое моделирование доступным практически для всех, значительно снижая требования к уровню математической подготовки, позволяя создавать новые модели более простым методом и тратить на это меньше времени. Издание будет полезно всем специалистам по анализу данных, решающим нетривиальные задачи, связанные с вероятностными распределениями. Вы научитесь: - создавать вероятностные модели с использованием библиотеки PyMC3, написанной на языке Python - анализировать вероятностные модели с помощью библиотеки ArviZ - применять навыки и умения, требуемые для проверки работоспособности моделей и их модификации (если таковая нужна) - понимать преимущества и недостатки иерархических моделей - правильно определять возможности практического применения различных моделей для ответов на вопросы, возникающие в процессе анализа данных - сравнивать модели и выбирать наиболее подходящие для конкретной задачи - определять, насколько различные модели являются универсальными с вероятностной точки зрения - применять вероятностное мышление и получать преимущества, определяемые гибкостью и универсальностью байесовского статистического анализа Код https://github.com/aloctavodia/BAP