第1章 贝叶斯定理 1
1.1 条件概率 1
1.2 联合概率 2
1.3 曲奇饼问题 2
1.4 贝叶斯定理 3
1.5 历时诠释 4
1.6 M&M豆问题 5
1.7 Monty Hall难题 6
1.8 讨论 8
第2章 统计计算 9
2.1 分布 9
2.2 曲奇饼问题 10
2.3 贝叶斯框架 11
2.4 Monty Hall难题 12
2.5 封装框架 13
2.6 M&M豆问题 14
2.7 讨论 15
2.8 练习 16
第3章 估计 17
3.1 骰子问题 17
3.2 火车头问题 18
3.3 怎样看待先验概率？ 20
3.4 其他先验概率 21
3.5 置信区间 23
3.6 累积分布函数 23
3.7 德军坦克问题 24
3.8 讨论 24
3.9 练习 25
第4章 估计进阶 27
4.1　欧元问题 27
4.2　后验概率的概述 28
4.3　先验概率的湮没 29
4.4　优化 31
4.5　Beta分布 32
4.6　讨论 34
4.7　练习 34
第5章 胜率和加数 37
5.1 胜率 37
5.2 贝叶斯定理的胜率形式 38
5.3 奥利弗的血迹 39
5.4 加数 40
5.5 最大化 42
5.6 混合分布 45
5.7 讨论 47
第6章 决策分析 49
6.1 “正确的价格”问题 49
6.2 先验概率 50
6.3 概率密度函数 50
6.4 PDF的表示 51
6.5 选手建模 53
6.6 似然度 55
6.7 更新 55
6.8 最优出价 57
6.9 讨论 59
第7章 预测 61
7.1　波士顿棕熊队问题 61
7.2　泊松过程 62
7.3　后验 63
7.4　进球分布 64
7.5　获胜的概率 66
7.6　突然死亡法则 66
7.7　讨论 68
7.8　练习 69
第8章 观察者的偏差 71
8.1　红线问题 71
8.2　模型 71
8.3　等待时间 73
8.4　预测等待时间 75
8.5　估计到达率 78
8.6　消除不确定性 80
8.7　决策分析 81
8.8　讨论 83
8.9　练习 84
第9章 二维问题 85
9.1 彩弹 85
9.2 Suite对象 85
9.3 三角学 87
9.4 似然度 88
9.5 联合分布 89
9.6 条件分布 90
9.7 置信区间 91
9.8 讨论 93
9.9 练习 94
第10章 贝叶斯近似计算 95
10.1 变异性假说 95
10.2 均值和标准差 96
10.3 更新 98
10.4 CV的后验分布 98
10.5 数据下溢 99
10.6 对数似然 100
10.7 一个小的优化 101
10.8 ABC（近似贝叶斯计算） 102
10.9 估计的可靠性 104
10.10 谁的变异性更大？ 105
10.11 讨论 107
10.12 练习 108
第11章 假设检验 109
11.1 回到欧元问题 109
11.2 来一个公平的对比 110
11.3 三角前验 111
11.4 讨论 112
11.5 练习 113
第12章 证据 115
12.1 解读SAT成绩 115
12.2 比例得分SAT 115
12.3 先验 116
12.4 后验 117
12.5 一个更好的模型 119
12.6 校准 121
12.7 效率的后验分布 122
12.8 预测分布 123
12.9 讨论 124
第13章 模拟 127
13.1 肾肿瘤的问题 127
13.2 一个简化模型 128
13.3 更普遍的模型 130
13.4 实现 131
13.5 缓存联合分布 132
13.6 条件分布 133
13.7 序列相关性 135
13.8 讨论 138
第14章 层次化模型 139
14.1 盖革计数器问题 139
14.2 从简单的开始 140
14.3 分层模型 141
14.4 一个小优化 142
14.5 抽取后验 142
14.6 讨论 144
14.7 练习 144
第15章 处理多维问题 145
15.1 脐部细菌 145
15.2 狮子，老虎和熊 145
15.3 分层版本 148
15.4 随机抽样 149
15.5 优化 150
15.6 堆叠的层次结构 151
15.7 另一个问题 153
15.8 还有工作要做 154
15.9 肚脐数据 156
15.10 预测分布 158
15.11 联合后验 161
15.12 覆盖 162
15.13 讨论 164