✍ Scribed by 韦来生
No coin nor oath required. For personal study only.
《现代统计学系列丛书:贝叶斯统计》共六章，主要内容包括绪论、先验分布的选取、后验分布的计算、贝叶斯统计推断、贝叶斯统计决策和贝叶斯统计计算。书中各章配有大量的例题和习题，书末附有常用的几个表格和部分习题解答供读者查用。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。
常用符号
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m（x）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
习题三
第四章贝叶斯统计推断
4.1贝叶斯点估计
4.2区间估计
4.3假设检验
4.4预测推断
4.5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—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
5.5Minimax准则
习题五
第六章贝叶斯统计计算方法
6.1引言
6.2蒙特卡洛抽样方法
6.3MCMC中马尔可夫链的一些基本概念
6.4MCMC方法简介
6.5Metropolis—Hastings算法
6.6Gibbs抽样方法
6.7R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3t分布表
附表4X2分布表
参考文献
索引
📜 SIMILAR VOLUMES
<p>《高等院校统计学专业规划教材•贝叶斯统计》共六章，可分二部分。前三章围绕先验分布介绍贝叶斯推断方法。后三章围绕损失函数介绍贝叶斯决策方法。阅读这些内容仅需要概率统计基本知识就够了。《高等院校统计学专业规划教材•贝叶斯统计》力图用生动有趣的例子来说明贝叶斯统计的基本思想和基本方法，尽量使读者对贝叶斯统计产生兴趣，引发读者使用贝叶方法去认识和解决实际问题的愿望。进而去丰富和发展贝叶斯统计。假如学生的兴趣被钓出来，愿望被引出来，那么讲授这一门课的目的也基本达到了。</p>
<p>韦来生等编著的《贝叶斯分析》的主要内容从2004年以来为中国科学技术大学概率论与数理统计专业研究生讲授过多次。大约可在54学时内讲授本书第1—5章的主要内容，第6章、第7章可根据实际情况选讲其中部分内容，也可不讲。第8章主要是供阅读的材料，其中第8章8。1节可作为经验贝叶斯方法的简介。书中标“*”号的小节可略去不讲，留给读者作为阅读材料。如果要在36学时内讲授本课程，可选讲本书第1—4章的主要内容和第5章的部分内容。本书可作为相关院校研究生、青年教师以及从事统计工作的工程技术人员的参考书。</p>
<p>发展了新的模型和统计方法以更精确地分析更加复杂的数据。结构方程模型的贝叶斯方法使用先验信息，得到更准确的参数估计、潜在变量估计以及用于模型比较的统计量，并且在小样本情况下能得到更稳健的结果。 香港中文大学统计系李锡钦讲座教授的专著《结构方程模型——贝叶斯方法》概括了本学科的近期发展，并有如下特点：示范如何使用强大的统计计算工具得到贝叶斯结果；讨论用于模型比较的贝叶斯因子和偏差信息准则；涵盖多种复杂的模型；通过模拟研究以及来自工商管理学、教育学、心理学、公共卫生和社会学的实际数据说明所提出的方法；通过辅助网页提供的程序代码以及数据集示范免费软件WinBUGS的应用。 《结构方程模
<p>本书从数学、哲学、计算机科学、神经科学和人工智能等角度，全面阐述了贝叶斯理论背后的基础知识、思维方式和丰富哲理。贝叶斯定理一旦与算法相结合，就不再是一套枯燥的数学理论或认识论，而变成了应用广泛的知识宝库，催生了众多现代数学定理，以及令人称道的实践成果。作者一改传统的数学探讨模式，不仅展现了贝叶斯理论背后的科学思想，还阐述了它与人类思维之间的深刻关系，并对各相关领域和人工智能的发展进行了展望。本书适合喜爱数学、算法、机器学习、人工智能、逻辑学和哲学的大众读者，读者无须过多数学和算法知识就能读懂。</p>