本书共六章, 主要内容包括绪论、先验分布的选取、常见统计模型参数的后验分布、贝叶斯统计推断、贝叶斯统计决策和贝叶斯统计计算方法。书中各章配有大量的例题和习题, 书末附有常用的几个概率分布表和部分习题参考答案供读者查用。
本书可作为高等学校统计学专业及相关专业本科生的教材, 亦可作为统计专业的研究生、教师以及应用统计工作者的参考用书。
- 前辅文
- 第一章绪论
- 1.1 引言
- 1.2 贝叶斯统计推断的若干基本概念
- 1.3 贝叶斯统计决策的若干基本概念
- ∗1.4 一些基本统计方法及理论的简单回顾
- 习题一
- 第二章先验分布的选取
- 2.1 主观概率
- 2.2 利用先验信息确定先验分布
- 2.3 利用边缘分布确定先验分布
- 2.4 无信息先验分布
- 2.5 共轭先验分布
- 2.6 分层先验(多阶段先验)
- 习题二
- 第三章常见统计模型参数的后验分布
- 3.1 后验分布与充分性
- 3.2 正态总体参数的后验分布
- 3.3 一类离散分布和多项分布参数的后验分布
- 3.4 寿命分布参数的后验分布
- 3.5 泊松分布和均匀分布参数的后验分布
- ∗3.6 多元正态分布参数的后验分布
- 习题三
- 第四章贝叶斯统计推断
- 4.1 条件方法和似然原理
- 4.2 贝叶斯点估计
- 4.3 区间估计
- 4.4 假设检验
- 4.5 预测推断
- 4.6 假设检验与模型选择
- 习题四
- 第五章贝叶斯统计决策
- 5.1 引言
- 5.2 后验风险最小原则
- 5.3 一般损失函数下的贝叶斯估计
- 5.4 假设检验和有限行动(分类) 问题
- ∗5.5 Minimax 准则
- 习题五
- 第六章贝叶斯统计计算方法
- 6.1 引言
- 6.2 E-M 方法
- 6.3 蒙特卡洛抽样方法
- 6.4 马尔可夫链蒙特卡洛(MCMC) 方法简介
- 6.5 Metropolis-Hastings 算法
- 6.6 Gibbs 抽样方法
- 6.7 R 与WinBUGS 软件
- 习题六
- 部分习题参考答案
- 附表
- 附表1 常用概率分布表
- 附表2 标准正态分布表
- 附表3 t 分布表
- 附表4 χ2 分布表
- 参考文献
- 索引
贝叶斯统计（第二版）数字课程与纸质教材一体化设计，紧密结合。数字课程包括R代码、教学课件等内容，运用多种媒体资源，丰富了知识的呈现形式，拓展了教材内容。在提升课程教学效果的同时，为学生学习提供思维探索的空间。
