Байесовский анализ на Python

В книге представлены основные концепции байесовской статистики и ее практическая реализация на языке Python с использованием современной библиотеки вероятностного программирования РуМСЗ и новой библиотеки исследовательского анализа байесовских моделей ArviZ.
Искусственно сформированные и реально применяемые наборы данных используются для представления разнообразных типов моделей, таких как обобщенные линейные модели для регрессии и классификации, смешанные модели, иерархические модели, а также гауссовы процессы и многие другие. Знания о вероятностном моделировании, почерпнутые из этой книги, позволят вам самостоятельно проектировать и реализовать байесовские модели для собственных задач научной обработки данных.
Представленный материал дает основательный уровень подготовки для углубленного изучения более сложных тем и освоения специализированного статистического моделирования.
Вы научитесь:

• создавать вероятностные модели с использованием библиотеки РуМСЗ, 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.

Издание будет полезно всем специалистам по анализу данных, решающим нетривиальные задачи, связанные с вероятностными распределениями.