Think Bayes: Estadística Bayesiana en Python

Opiniones de los lectores

El libro está muy bien considerado por su capacidad para profundizar en la comprensión de la estadística bayesiana y mejorar las habilidades prácticas de los usuarios con ejemplos de programación y del mundo real. Los usuarios aprecian especialmente su rigor, su enfoque intuitivo y la conexión que establece entre teoría y práctica. Sin embargo, algunos críticos señalan que el libro no enseña programación o estadística en profundidad, y la ausencia de soluciones a los ejercicios es un inconveniente importante para algunos lectores.

- Construye la intuición de forma eficaz y conecta la teoría con la práctica. - Incluye ejemplos del mundo real y ejercicios prácticos de codificación. - Bueno para lectores con conocimientos básicos de Bayes. - Conciso y accesible para principiantes. - Los ejemplos atractivos mantienen la atención del lector.

- No es un libro de programación ni de estadística detallada; no enseña conceptos de programación ni de estadística en profundidad. - No proporciona soluciones para los ejercicios, lo que lo hace menos útil para algunos lectores.

(basado en 8 opiniones de lectores)

Título original:

Think Bayes: Bayesian Statistics in Python

Contenido del libro:

Si sabe programar, está preparado para enfrentarse a la estadística bayesiana. Con este libro, aprenderá a resolver problemas estadísticos con código Python en lugar de fórmulas matemáticas, utilizando distribuciones de probabilidad discretas en lugar de matemáticas continuas. Una vez que saque las matemáticas del camino, los fundamentos bayesianos se volverán más claros y comenzará a aplicar estas técnicas a problemas del mundo real.

Los métodos estadísticos bayesianos son cada vez más comunes y más importantes, pero no hay muchos recursos disponibles para ayudar a los principiantes. Basado en las clases de licenciatura impartidas por el autor Allen B. Downey, el enfoque computacional de este libro le ayuda a tener un comienzo sólido.

⬤ Utilice sus habilidades de programación para aprender y comprender la estadística bayesiana.

⬤ Trabaje con problemas de estimación, predicción, análisis de decisiones, evidencia y pruebas de hipótesis bayesianas.

⬤ Comience con ejemplos simples, utilizando monedas, dados y un tazón de galletas.

⬤ Aprender métodos computacionales para resolver problemas del mundo real.