展开全部

主编推荐语

本书介绍了贝叶斯的核心思想,并且给出了如何用贝叶斯来指导人们日常生活思维的案例。

内容简介

生活离不开数学。本书通过日常生活中的丰富案例,介绍了如何用数学思维,特别是运用贝叶斯定理来分析和解决看似简单但内涵深刻的生活问题。

例如,《两小儿辩日》的逻辑错误,《卖拐》中使用的套路,成功学、阴谋论、星座学为什么都不靠谱,如何科学地扑点球,余则成是如何破解录音带危机的,索罗斯做空英镑的数学原理,等等。这些深入浅出、妙趣横生的案例,可以帮助我们穿透事物的表象,洞察事物的真相。

通过本书,我们还能认识到,统计数据是常识的基础,并在此之上建立正确的世界观,养成批判性思维和成长型思维,不断迭代升级认知,从而客观而睿智地看世界、机智而高效地做决策。

目录

  • 版权信息
  • 自序
  • 第1章 无处不在的推理
  • 1.1 福尔摩斯和程序员小王
  • 1.1.1 从两道推理题说起
  • 1.1.2 福尔摩斯的精彩推理
  • 1.1.3 程序员小王的日记
  • 1.1.4 信息推断之难
  • ***
  • 1.2 《智子疑邻》给我们的启示
  • 1.2.1 黑白思维
  • 1.2.2 概率思维
  • ***
  • 1.3 把解释得最好的,当作最有可能的
  • 1.3.1 条件概率
  • 1.3.2 最大似然估计
  • 1.3.3 谁打中了十环——最大似然估计的例子
  • 1.3.4 是程序员还是股票经纪人——最大似然估计的其他例子
  • ***
  • 1.4 你会患上罕见的血液病吗
  • 1.4.1 不同原因发生的概率不同
  • 1.4.2 血液病检查
  • 1.4.3 工作机会
  • ***
  • 第2章 贝叶斯定理
  • 2.1 贝叶斯定理及其数学逻辑
  • 2.1.1 贝叶斯定理的问世
  • 2.1.2 信息推断的数学抽象
  • 2.1.3 最大似然估计的数学抽象
  • 2.1.4 如何用贝叶斯定理做信息推断
  • 2.1.5 贝叶斯定理给我们的启发
  • 2.1.6 用贝叶斯定理来做推断的三个例子
  • ***
  • 2.2 贝叶斯定理与奥卡姆剃刀
  • 2.2.1 奥卡姆剃刀
  • 2.2.2 奥卡姆剃刀的贝叶斯解释
  • 2.3 贝叶斯定理与汉隆剃刀
  • 2.3.1 汉隆剃刀
  • 2.3.2 汉隆剃刀的贝叶斯解释
  • 2.4 不要遗漏可能的原因
  • 2.4.1 《六座拿破仑半身像》
  • 2.4.2 一对恋人的日记
  • 2.4.3 何不食肉糜
  • ***
  • 第3章 贝叶斯定理的要素一:先验概率
  • 3.1 莱曼手中的小纸条
  • 3.1.1 如何科学地扑点球
  • 3.1.2 神秘的小纸条与马丁内斯的建议
  • 3.1.3 两个同学的不同遭遇
  • 3.2 不识庐山真面目,只缘身在此山中
  • 3.2.1 内部视角与外部视角
  • 3.2.2 内部视角的问题
  • 3.2.3 用外部视角需要注意的问题
  • ***
  • 3.3 商家的套路
  • ***
  • 3.4 “看历史”和“找圈子”
  • 3.4.1 “看历史”与“找圈子”的含义
  • 3.4.2 “找圈子”的例子
  • 3.4.3 找先验概率的错误一:看错历史,找错圈子
  • 3.4.4 找先验概率的错误二:个人经验带来的概率高估
  • 3.4.5 对先验概率进行调整时容易出现的问题
  • 第4章 贝叶斯定理的要素二:观测
  • 4.1 什么样的证据可以扭转你的认知
  • 4.1.1 信息量大的观测
  • 4.1.2 信息量小的观测
  • ***
  • 4.2 明星的人设、两小儿辩日与电梯里的女孩
  • 4.2.1 怎样改变一个明星的人设
  • 4.2.2 辩日的两小儿所犯的错误
  • 4.2.3 电梯里的女孩对我笑了
  • 4.3 星座学与《卖拐》背后的数学原理
  • 4.3.1 巴纳姆效应
  • 4.3.2 星座学的贝叶斯解释
  • 4.3.3 小品《卖拐》的贝叶斯解释
  • 4.4 为什么“大师”不可信
  • 4.4.1 为什么排他性证据很难找到
  • 4.4.2 解释之易与排他之难
  • 4.5 余则成破解录音带危机
  • 4.5.1 M&Ms巧克力豆条款
  • 4.5.2 录音带事件
  • ***
  • 第5章 多个观测下的贝叶斯
  • 5.1 买香草味的冰激凌,车子打不着火
  • 5.1.1 条件独立的定义
  • 5.1.2 看似相关,实则条件独立
  • 5.1.3 看似独立,实则条件独立
  • ***
  • 5.2 如何利用多个观测进行推断
  • 5.2.1 多个观测下的贝叶斯定理
  • 5.2.2 晴天的概率有多大
  • 5.2.3 水烧开了吗
  • ***
  • 5.3 不要遗漏重要的观测
  • 5.3.1 避免有偏采样
  • 5.3.2 收集证据的技巧
  • 第6章 在线贝叶斯估计
  • 6.1 当观测依次到来时应该怎么办
  • 6.1.1 在线贝叶斯估计
  • 6.1.2 在线贝叶斯公式
  • 6.1.3 在线贝叶斯估计给我们的启发
  • 6.2 在线算法
  • 6.2.1 在线算法与离线算法
  • 6.2.2 求均值
  • 6.2.3 在线奇异值分解
  • ***
  • 6.3 两种思维模式:“步步为营”与“精益求精”
  • 6.3.1 项目管理中的敏捷模型
  • 6.3.2 最简可行产品
  • 6.3.3 用精益求精的方法来写论文
  • ***
  • 6.4 《狼来了》给我们的启发
  • 6.4.1 寓言《狼来了》的贝叶斯解释
  • 6.4.2 在线贝叶斯估计给我们的启发
  • 第7章 分层描述法
  • 7.1 多个观测下贝叶斯的分组法
  • 7.1.1 多个观测下运用贝叶斯的问题
  • 7.1.2 解决问题的基本思路
  • 7.1.3 分组的原则
  • ***
  • 7.2 两个观测下哪一个应放入先验概率
  • 7.2.1 飞机发生剧烈颠簸
  • 7.2.2 两棵枣树
  • ***
  • 7.3 索罗斯如何在一个月内进账10亿美元
  • 7.3.1 事件背景
  • 7.3.2 证据与分析
  • 7.3.3 排他性证据的出现
  • 7.4 样本太少怎么办
  • 7.4.1 他能找到工作吗
  • 7.4.2 如何找到统计数据
  • 7.4.3 另一种思路:提高观测的颗粒度
  • 7.5 分层描述法
  • 7.5.1 分层描述法的四个步骤
  • 7.5.2 用分层描述法分析“他能找到工作吗”
  • 7.5.3 飞机还安全吗
  • 7.5.4 我家孩子能考上好大学吗
  • 7.5.5 应该做这个心脏手术吗
  • 7.5.6 运用分层描述法容易犯的错误
  • 7.5.7 这家人养狗的概率是多少
  • ***
  • 第8章 法庭上的贝叶斯:克拉克的审判
  • 8.1 第一个错误:错误的独立假设
  • 8.2 第二个错误:将似然概率当作后验概率
  • 8.3 第三个错误:偏移的圈子
  • 8.4 克拉克有罪的概率到底是多少
  • 第9章 医学中的贝叶斯
  • 9.1 医生诊病和贝叶斯定理
  • 9.1.1 医生诊病的总体思路
  • 9.1.2 一个典型的诊断过程
  • ***
  • 9.2 医生诊病给我们的启发
  • 9.2.1 启发一:将“多选一”变成“二选一”
  • 9.2.2 启发二:收集有助于估计后验概率的信息
  • 9.2.3 启发三:证据的性价比和收集顺序
  • 9.2.4 启发四:检查多多益善吗?
  • ***
  • 第10章 网络时代的贝叶斯
  • 10.1 网络谣言预警器:贝叶斯带来的一个启发
  • 10.1.1 贝叶斯告诉我们的一个道理
  • 10.1.2 找到实锤之难与网文常用的套路
  • 10.2 常见的三种证据错误
  • 10.2.1 证据不可信
  • 10.2.2 证据不量化
  • 10.2.3 用个例代替统计
  • ***
  • 10.3 被媒体扭曲的先验概率
  • 10.3.1 互联网时代媒体信息的特点
  • 10.3.2 报道小概率事件
  • 10.3.3 裁剪证据
  • 10.3.4 信息茧房
  • ***
  • 10.4 用贝叶斯估计来剖析阴谋论
  • 10.4.1 什么是阴谋论
  • 10.4.2 为什么人们容易相信阴谋论
  • 10.4.3 阴谋论的错误之一:未考虑先验概率
  • 10.4.4 阴谋论的错误之二:未考虑其他原因
  • 10.4.5 阴谋论的错误之三:观测有问题
  • ***
  • 总结和寄语
  • 附录
  • 附录A 图解法和贝叶斯定理
  • 附录B 公式(5-2)的数学推导
  • 附录C 在线贝叶斯公式的推导
  • 附录D 《狼来了》的数学推导
  • 附录E 公式(7-4)的推导
  • 附录F 三种情况下后验概率和先验概率接近的证明
展开全部

评分及书评

4.5
14个评分
  • 用户头像
    给这本书评了
    1.0
    生活不是掷骰子,生命却是

    生活不是掷骰子,生命却是推理不是掷骰子,决定却是万有引力不是掷骰子,牛顿却是写书不是掷骰子,畅销却是人造的机器越来越像人了机器教育的人也越来越像机器了还好相对论是掷骰子,爱因斯坦也是写诗也是掷骰子,有人读也是我爱上你是掷骰子,你也爱上我更是 7/31 宣城

      3
      4
      用户头像
      给这本书评了
      5.0
      硬科学,值得啃

      在《心中有数》之后,雪峰老师又出新书啦。我心目里,几位大神都是数学高手,比如万维钢老师、润总、雪峰老师、老喻。雪峰老师的这本《生活不是掷骰子》和老喻的新书《好运》,讲的都是硬科学。精进自己的数据思维,即使不能一招制敌、无往不胜,但是能逐步提高胜算,这是咱们成年人的必修课哇。我近几年总觉得咱们中国人的商业思维不够,在日常生活里会混用投资和消费,现在想来,其实底层是数学思维不足。以前,“要想富,先修路”;现在,“要想富,先修数”。诚邀更多伙伴,一起修数,修炼数学思维。

        转发
        1
        用户头像
        给这本书评了
        5.0
        和这个世界聊聊概率

        作为好朋友的作品,完成这本《生活不是掷骰子》阅读后,我的感觉是:这可比第一本(《心中有数》)精彩的多了。分层描述那一章的逻辑非常细致;案例已经不能再丰富了,厉害了我的哥;我自己岗位的一个关键任务,可以用这个,我试试讲出来;这明明就是律师和检察官最需求的工具 —— 找到合适的颗粒度来修正先验概率和似然概率。其实在看小说中,特别是看侦探小说时,你也可以试着用一下,用来检验一下这本小说的设置是否合理,对吧?

          转发
          1
        • 查看全部5条书评

        出版方

        电子工业出版社

        电子工业出版社成立于1982年10月,是国务院独资、工信部直属的中央级科技与教育出版社,是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展,已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域,综合出版能力位居全国出版行业前列。