书籍#

Python 中的贝叶斯建模与计算

作者：Osvaldo Martin、Ravin Kumar 和 Junpeng Lao

通过 PyMC 和 ArviZ 进行实践操作，侧重于应用统计学的实践。

网站 + 代码

黑客的贝叶斯方法

作者：Cameron Davidson-Pilon

标题中的“黑客”指的是边写代码边学习。这本实践性的入门书通过使用 PyMC，教授贝叶斯统计方法、工作流程和决策制定的直观定义。

Python 贝叶斯分析

作者：Osvaldo Martin

一本由 PyMC 维护者撰写的优秀入门书籍。它通过使用合成和真实数据集，实践性地介绍了贝叶斯统计学的主要概念。掌握本书中的概念是追求更高级知识的良好基础。

PyMC 3.x 中的代码和勘误表

进行贝叶斯数据分析

作者：John K. Kruschke

对贝叶斯数据分析的原理性介绍，附带实践练习。本书的原始示例以 R 语言编写，但通过以下链接可以找到使用 PyMC 移植代码的 notebooks。

第二版代码的 PyMC 移植版本

统计学再思考

作者：Richard McElreath

一本贝叶斯课程，附带 R 和 Stan 语言的示例。

代码的 PyMC 3.x 移植版本

贝叶斯认知建模：实用教程

作者：Michael Lee 和 Eric-Jan Wagenmakers

专注于在认知建模中使用贝叶斯统计学。

PyMC 3.x 实现

贝叶斯数据分析

作者：Andrew Gelman、John Carlin、Hal Stern、David Dunson、Aki Vehtari 和 Donald Rubin

一本关于贝叶斯方法的全面、标准且优秀的教科书。

在 PyMC 3.x 中实现的示例和练习