1. 第11頁，例1.3.1中，sigma0的定義應該是：sigma0^2=sigma^2/n，書中把n寫成pi了
2. 第12頁，1.3.4公式的第二部分，應該是：1/tao1^2 = 1/ sigma0^2 + 1/tao^2，原文把+寫成=了
3. 第34頁，倒數第三行，e(theta|x=3)=17/40，原文寫成17/4了
4. 第35頁，中間偏下位置的mse公式中，等號右側第一項的分母應為：(n+2)^2，原文少了「^2」
5. 第38頁，例2.3.1，表徵標準正態分佈(1-alpha/2)分位數的變數名在公式和文字中不一致，假設使用文字描述中的變數u(1-alpha/2)，括號代表下標，那麼公式應為：p(miu1-sigma1*u(1-alpha/2)<=theta<=miu1+sigma1*u(1-alpha/2)) = 1-alpha
6. 第48頁，倒數第三行，例2.4.3中的假設應為：h0: theta<=1，原文寫成h0: theta<=0了。
7. 第56頁，倒數第一行，公式裡面的r應為x
8. 第75頁，例3.3.1中的所有u均應為u(pi)，()代表下標
待續...
哎呀，錯誤實在有點多啊~
貝葉斯學習（二）
一 貝葉斯網路簡介 貝葉斯網路 bayesian network 又稱信念網路 belief network 或是有向無環圖模型 directed acyclic graphical model 是一種概率圖型模型。貝葉斯網路又稱信度網路，是bayes方法的擴充套件，是目前不確定知識表達和推理領域最...
貝葉斯統計學簡介
簡單介紹貝葉斯統計學的歷史背景 什麼是統計推斷 bayesian和frequentist的主要區別 先驗分布和後驗分布 歷史背景 1763年，也就是英國學者bayes去世後兩年，他的一篇傳世遺作發表了，其中提出了bayes公式。bayes公式從形式上看，它只不過是條件概率定義的乙個簡單的推論，這個 ...
二 貝葉斯決策論
2.1引言 是一種基本統計途徑 出發點是利用概率的不同分類決策與相應的決策代價之間的定向折中。類條件概率密度 就是條件概率。a事件發生的情況下b事件發生的概率。x代表的是一種特徵，特徵的作用就是當x發生的時候，是其中某一種類別的可能性很大。所以可以用x作為區分的特徵。先驗概率為p wj 意思是類別屬...