《Bayesian data analysis》Andrew Gelman ... [et al.] 机械工业出版社 2016/3/1

内容简介：

本书是《贝叶斯数据分析》的第3版，因其在数据分析、解决研究难题方面的可读性、实用性而广受读者好评，被认为是贝叶斯方法领域的权威之作。该书秉承实用性的风格介绍和分析大量最新的贝叶斯方法。作者团队中囊括了统计学界的众多大师，他们先以数据分析的视角讨论了一些统计学基本概念，之后再引进各种高级分析方法。全书共分为：贝叶斯推断基础、贝叶斯数据分析基础、高级计算、回归模型和非线性和非参数模型5部分。第1部分包括：概率与推断、单参数模型、多参数模型、渐进性以及与非贝叶斯方法的关系、分层模型等内容。第2部分包括：模型核查、模型评价、对比和延伸、建模数据的收集、决策分析等内容。第3部分主要介绍贝叶斯计算入门、马尔可夫链模拟基本概念、高效计算的马尔可夫链模拟、众数和分布近似等内容。第4部分介绍回归模型简介、分层线性模型、广义线性模型、稳健模型推断、缺失数据模型等内容。最后第5部分补充介绍了参数非线性模型、基函数模型、高斯过程模型、有限混合模型以及Dirichlet过程模型等内容。全书援引大量来源于现实应用研究的真实案例，突出强调了贝叶斯推断在实际工作中的运用和价值。

目录：