贝叶斯统计学是现代统计学中非常有特色的内容，应用极其广泛。本书系统地介绍：贝叶斯统计的基本思想及其来龙去脉；先验分布和后验分布的概念以及寻求方法；贝叶斯统计推断；MCMC计算方法以及统计决策理论；等等。为使初学者更好地理解贝叶斯统计并培养对贝叶斯统计的兴趣，本书引入丰富多彩的案例，涉及经济、管理、天文、医药、生物、体育以及人工智能等领域，也有和日常生活息息相关的例子，制作了一个专用R软件包，把书中所有案例数据和主要程序都放入此包，非常方便老师的教与学生的学。本书的取材既有传统的理论也有当代的应用，内容的表述既注重严谨性又注重时代气息，目的是激发初学者对贝叶斯统计的兴趣，使其掌握贝叶斯统计的精髓，为贝叶斯统计的应用打好基础。
本书可作为高等院校统计、数据科学、经济、金融、管理、医药、生物等专业高年级本科生和研究生的贝叶斯统计课程的教材或参考书，也可供要用到贝叶斯统计或对贝叶斯统计感兴趣的有关专业人士参考。

第1章 贝叶斯统计基本概念
1.1 引言
1.2 概率空间与随机事件贝叶斯公式
1.3 三种信息与先验分布
1.4 一般形式的贝叶斯公式与后验分布
本章要点小结
思考与练习
第2章 共轭先验分布与充分统计量
2.1 共轭先验分布
2.2 多参数先验与后验分布
2.3 充分统计量与应用
本章要点小结
思考与练习
第3章 先验分布寻求方法
3.1 先验分布类型已知时超参数估计
3.2 由边际分布确定先验分布
3.3 用主观概率作为先验概率
3.4 无信息先验分布
本章要点小结
思考与练习
第4章 贝叶斯统计推断
4.1 贝叶斯估计
4.2 泊松分布参数的估计
4.3 指数分布参数的估计
4.4 正态分布参数的估计
4.5 贝叶斯假设检验
4.6 模型的比较与选择
4.7 贝叶斯统计预测
本章要点小结
思考与练习
第5章 决策概念与贝叶斯决策
5.1 决策基本概念
5.2 损失函数
5.3 贝叶斯决策
5.4 抽样的价值
本章要点小结
思考与练习
第6章 贝叶斯统计计算方法
6.1 什么是MCMC方法
6.2 吉布斯抽样
6.3 梅切波利斯-哈斯廷斯算法
6.4 MCMC的收敛性问题
本章要点小结
思考与练习
第7章 统计决策概要
7.1 风险函数
7.2 决策函数的容许性与最小最大准则
7.3 贝叶斯风险准则与贝叶斯解
本章要点小结
思考与练习
参考文献
附录 常用概率分布表