贝叶斯分析食谱 介绍 我最近受到贝叶斯统计分析的灵活和强大的启发。 然而，与许多事情一样，灵活性通常意味着要对易用性进行权衡。 我认为拥有一本可用于多种设置的代码手册对于将贝叶斯方法引入更通用的设置非常有帮助！ 目标 我的目标是每个型号有一个笔记本。 在每个笔记本中，您最终应该会发现： 这里正在解决的问题。 数据结构的描述。 示例数据表。 它通常最终会成为数据。 模型的 PyMC3 代码； 在某些笔记本中，同一型号可能有两个版本。 有关如何报告 MCMC 采样后验结果的示例。 我希望这些食谱对你有用！ （假设 我的假设遵循帕累托原则：大部分现实世界的问题基本上可以归结为几类问题，这些问题具有贝叶斯解释。 特别是，我有这样的预感，像ANOVA常用的方法，可以通过概念比较简单和更可解释的贝叶斯替代品取代，像约翰Kruschke最好的（B ayesianéstimation小号up

MCMCDiagnostics.jl：Julia的马尔可夫链蒙特卡罗收敛诊断

数据同化和EnKF简介 立即使用以下云计算提供商之一： （需要Google登录） （没有登录，但启动速度可能很慢） 总览 交互式（Jupyter笔记本） 包含理论，代码（Python）和练习。 建议：成对工作。 每个教程大约需要75分钟。 导师将分发以协助练习， 并对每个部分进行总结后再进行总结。 本地工作说明 您也可以在自己的（Linux / Windows / Mac）计算机上运行这些笔记本。 这比在线运行它们要快一些。 先决条件：Python> = 3.6。 如果您不是python专家： 1a。 通过安装Python。 1b。 使用运行以下命令。 1c。 （可选） 。 如果安装（以下）失败，请首先尝试执行步骤1c。 安装： 在终端中运行以下命令（不包括$符号）： $ git clone https://github.com/nansencenter/DA-tutori

bayesAB：:turtle:bayesAB：用于AB测试的快速贝叶斯方法

COVID-19：人工智能，用于COVID-19感染预测的贝叶斯建模