贝叶斯中文书，通俗易懂，讲解清晰 中文书当中较好的，推荐

贝叶斯反演 贝叶斯统计，尤其是贝叶斯逆问题中使用的算法的集合

讲述贝叶斯统计学方法,偏重于理论，方便开发人员更深刻理解贝叶斯算法和在编程中实现

本人制作的双色球红球贝叶斯统计工具，可以对历史上的所有数据进行统计分析，将任意红球与其他红球同时出现的次数统计出来并进行排序。

matlab代码求含参量矩阵特征值统计压缩感知 基于贝叶斯统计实现压缩感知。 给定的 地图估计 我们找到给定y 、 Φ和Σ的x的最大后验 (MAP) 估计。 首先，我们使用贝叶斯定理 取导数找到 MAP 估计的封闭形式 使用 Woodbury 矩阵 Identity 优化逆计算 MAP估计的最终封闭形式 生成协方差矩阵 (Σ) 假设：协方差矩阵的第i个特征值的形式为：对于所有i s， i - α 。 选择一个大小为n x n的随机正交矩阵U。 定义大小为n x n的对角矩阵D ，其中对角线项为i - α 。 协方差矩阵， Σ定义为UDU' 。 实验 我们试验了两个α值：0、3。 对于每个α ，我们生成nexp n维向量 ( x s )。 我们选择一组m 。 对于每个m ，我们生成一个大小为m x n的随机传感矩阵Φ ，其条目来自 iid Gaussian ，均值为 0，方差为 1/ m 。 我们使用它来生成测量信号y ( Φx )。 我们添加 σ 为测量信号平均值的 0.01 倍的高斯噪声。 我们使用上面推导出的 MAP 估计公式重建x并计算相对均方根误差（Relative RMSE）

《贝叶斯思维：统计建模的Python学习法》唐尼

贝叶斯统计概念是很容易描述的。它把统计看成研究不确定性的一门学 问，并且坚持认为不确定性只能用概率语言来进行合理的解释。引进一个效 用函数 (utility function) 并选择使期望效用最大的最优决策把上述思想立即 扩展到在不确定时的决策问题。下面更加详尽地解释这些基本原理。 贝叶斯论断的根本就在于，无论是直接用千推断或是在决策中与概率为基础的效用相结合，概率目前是仅有的产生合理过程的方法。概率的三个基 本规则和由它们导出的理论一起提供了完全的说明，以适用于你的推断和行 动。

贝叶斯统计是在经典统计的争论中逐渐发展起来的。争论的问题有：位置参数是否可以看作随机变量？事件的概率是否一定要有频率解释？概率是否可用经验来确定？在这些问题的争论中，贝叶斯学派建立起自己的理论和方法。

英国学者托马斯·贝叶斯在《论有关机遇问题的求解》中提出一种归纳推理的理论，后被一些统计学者发展为一种系统的统计推断方法，称为贝叶斯方法。采用这种方法作统计推断所得的全部结果，构成贝叶斯统计的内容。认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派，其形成可追溯到 20世纪 30 年代。到50～60年代，已发展为一个有影响的学派。时至今日，其影响日益扩大。

韦来生老师的贝叶斯统计第二版答案