Python贝叶斯分析（第2版）

《Python贝叶斯分析（第2版）》是一本从编程实践角度讲解贝叶斯统计与概率编程的入门书，原作名为 Bayesian Analysis with Python，副标题为“用PyMC3和ArviZ进行统计建模和概率编程”。全书不依赖繁复的数学推导，而是以 PyMC3 这一概率编程库和 ArviZ 这一贝叶斯模型探索分析库为工具，带领读者把贝叶斯推断一步步落到代码上。 内容按“基础—建模—拓展”三段推进：第1章从统计学与建模的关系切入，讲清概率的含义、单参数推断、后验结果的汇报方式以及后验预测检查；第2章正式进入概率编程，介绍 PyMC3 的建模流程、后验总结、高斯分布与鲁棒推断、组间比较以及分层模型与收缩现象；第3至4章讲线性回归、鲁棒回归、分层回归、多项式回归、多元回归，以及逻辑回归、softmax 回归、泊松回归与零膨胀泊松模型等广义线性模型；第5至7章讨论模型比较（信息准则、WAIC、贝叶斯因子、正则化先验）、有限与连续混合模型，以及高斯过程回归、分类与 Cox 过程；第8章讲解推断引擎，包括非马尔可夫方法与马尔可夫方法、样本诊断；第9章给出进一步学习的方向。 第2版相较第1版作了大幅改写与整合，多数图表由书中代码直接生成，并采用全彩印刷以更好呈现代码与可视化效果。每章末配有练习，配套代码可在异步社区下载，适合希望用概率思维解决实际数据分析问题的读者系统学习。