前言 第1章 緒論 1.1 從一個例子來看經典統計與貝葉斯統計 1.1.1 基于R語言的一個例子 1.1.2 頻率學派方法 1.1.3 貝葉斯學派方法 1.1.4 基于OpenBUGS的計算和可視化 1.2 經典統計與貝葉斯統計的比較 1.2.1 經典統計的缺陷 1.2.2 對經典學派的批評 1.2.3 對貝葉斯方法的批評 1.2.4 貝葉斯統計存在的問題 1.3 貝葉斯統計的興起與發展 1.4 貝葉斯統計的廣泛應用 1.4.1 促進了統計科學自身的發展 1.4.2 在經濟、金融和保險中的應用 1.4.3 在生物、醫學、生態學中的應用 1.4.4 在可靠性中的應用 1.4.5 在機器學習中的應用 1.4.6 貝葉斯定理成為Google計算的新力量 1.4.7 認知科學的貝葉斯革命 1.5 貝葉斯統計學的今天和明天 1.5.1 客觀貝葉斯分析 1.5.2 主觀貝葉斯分析 1.5.3 穩健貝葉斯分析 1.5.4 頻率貝葉斯分析 1.5.5 擬貝葉斯分析 1.6 應用貝葉斯方法搜尋失聯航班 1.7 本書的內容安排 思考與練習題1 第2章 先驗分布和后驗分布 2.1 統計推斷的基礎 2.2 貝葉斯定理 2.2.1 事件形式的貝葉斯定理 2.2.2 隨機變量形式的貝葉斯定理 2.3 共軛先驗分布 2.3.1 共軛先驗分布的定義 2.3.2 后驗分布的計算 2.3.3 常用的共軛先驗分布 2.4 Beta分布、Gamma分布和Pareto分布 2.4.1 Beta分布 2.4.2 Gamma分布 2.4.3 Pareto分布 2.5 常用分布列表 思考與練習題2 第3章 貝葉斯統計推斷基礎 3.1 點估計 3.1.1 損失函數與風險函數 3.1.2 貝葉斯估計的定義 3.1.3 貝葉斯估計的誤差 3.2 區間估計 3.2.1 可信區間的定義 3.2.2 單側可信限 3.3 假設檢驗 3.3.1 貝葉斯假設檢驗 3.3.2 貝葉斯因子 3.3.3 多重假設檢驗 3.3.4 用貝葉斯因子進行模型選擇 3.4 從p值到貝葉斯因子 3.4.1 經典學派假設檢驗的回顧 3.4.2 貝葉斯學派的假設檢驗 3.4.3 兩個學派檢驗方法的關系 3.5 美國統計協會：使用p值的6條準則 3.6 多參數模型的貝葉斯推斷 3.6.1 概述 3.6.2 正態分布中參數的貝葉斯推斷 3.6.3 隨機模擬方法 3.6.4 應用案例 …… 第4章 先驗分布的確定 第5章 基于openBUGS的模型參數估計 第6章 基于openBUGS的模型檢驗與模型選擇 第7章 貝葉斯回歸分析 第8章 貝葉斯統計在證券投資預測中的應用 第9章 貝葉斯統計在計量經濟學和金融中的應用 第10章 貝葉斯統計在保險、精算中的應用 第11章 貝葉斯時間序列及其應用 第12章 貝葉斯可靠性統計分析 第13章 貝葉斯計算方法及有關軟件 附錄 附錄A 貝葉斯學派開山鼻祖——托馬斯·貝葉斯小傳 附錄B winBUGS軟件及其基本使用介紹 附錄C OpenBUGS軟件及其基本使用介紹 參考文獻