贝叶斯统计及其R实现（21世纪经济管理精品教材·经济学系列）

图书标准信息

• 作者 黄长全 著
• 出版社 清华大学出版社
• 出版时间 2017-05
• 版次 1
• ISBN 9787302467854
• 定价 35.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 160页
• 字数 239千字

【内容简介】

贝叶斯统计学是现代统计学中非常有特色的内容，应用范围极其广泛。本书系统地介绍了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。为使初学者更好地理解贝叶斯统计并培养起对贝叶斯统计的兴趣，本书引入了丰富的案例，涉及经济、管理、天文、医药、生物、体育等领域。本书专门制作了一个专用R软件包，把书中所有案例数据和主要程序都放入了此压缩包中，增强了师生教学与互动的效果，以便激发初学者对贝叶斯统计的兴趣，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、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，也可作为对贝叶斯统计感兴趣人士的参考用书。

【作者简介】

黄长全，男，香港中文大学统计学哲学博士（PhD.），厦门大学经济学院统计学系副教授。教授统计学、计量经济学、时间序列分析、企业风险管理、贝叶斯统计等课程。

【目录】

前言 
章贝叶斯统计基本概念 
1.1.引言 
1.1.一个美国书呆子的故事 
1.1.2.贝叶斯统计简史 
1.1.3.经典统计方法 
1.1.4.贝叶斯统计方法 
1.2.概率空间与事件贝叶斯公式 
1.2.1.概率空间与事件贝叶斯公式 
1.2.2.两例：她怀孕了吗？“非典”时期病人为何要测量体温？ 
1.2.3.案例：自动语音识别——神奇的语音输入法 
1.3.三种信息与先验分布 
1.3.1.体与体信息 
1.3.2.样本信息 
1.3.3.先验信息与先验分布 
1.4.一般形式的贝叶斯公式与后验分布 
1.4.1.知识准备 
1.4.2.r语言与r软件包 
1.4.3.一般形式的贝叶斯公式 
1.4.4.计算后验分布示例 
本章要点小结 
思与练 
第2章共轭先验分布与充分统计量 
2.1.共轭先验分布 
2.1.1.后验分布的核 
2.1.2.共轭先验分布 
2.2.多参数先验与后验分布 
2.2.1.联合先（后）验密度函数 
2.2.2.多参数共轭先验示例 
2.3.充分统计量与应用 
2.3.1.充分统计量概念 
2.2.2.充分统计量示例 
本章要点小结 
思与练 
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 
3.2.1.混合分布与混合样本 
3.2.2.寻求先验密度的ⅱ型优选似然法 
3.2.2.寻求先验密度的边际矩法 
3.3.用主观概率作为先验概率 
3.3.1.为什么需要主观概率 
3.3.2.确定主观概率的方法 
3.4.无信息先验分布 
3.4.1.非正常先验与贝叶斯设 
3.4.2.位置参数的无信息先验 
3.4.3.尺度参数的无信息先验 
3.4.4.杰弗里斯先验 
本章要点小结 
思与练 
第4章贝叶斯统计推断 
4.1.贝叶斯估计 
4.1.1.点估计 
4.1.2.贝叶斯估计优良准则 
4.1.3.区间估计 
4.2.泊松分布参数的估计 
4.2.1.后验分布 
4.2.2.参数估计 
4.2.3.案例：爱教育程厦不同的妇女生育率相同吗？ 
4.3.指数分布参数的估计 
4.3.1.参数估计 
4.3.2.案例：国产彩电的寿命有多长？ 
4.4.正态分布参数的估计 
4.4.1.方差已知时均值的估计 
4.4.2.均值已知时方差的估计 
4.4.3.均值和方差的同时估计 
4.4.4.案例：无先验信息如何估计马拉松分布的参数 
4.5.贝叶斯设检验 
4.5.1.贝叶斯设检验与贝叶斯因子 
4.5.2.简单设对简单设 
4.5.3.复杂设对复杂设 
4.5.4.简单设对复杂设 
4.5.5.案例：哪个疗效更好？ 
4.6.模型的比较与选择 
4.6.1.模型比较与选择 
4.6.2.案例：足球队进球数量的分布是什么？ 
4.7.统计预测 
4.7.1.预测 
4.7.2.统计预测示刨 
本章要点小结 
思与练 
第5章决策概念与贝叶斯决策 
5.1.决策基本概念 
5.1.1.决策问题三要素 
5.1.2.行动的容许与先验期望准则 
5.1.3.先验期望准则两质 
5.2.损失函数 
5.2.1.什么是损失函数 
5.2.2.损失函数下的先验期望准则 
5.2.3.二行动线决策问题的损失函数 
5.3.贝叶斯决策 
5.3.1.什么是贝叶斯决策 
5.3.2.决策函数 
5.3.3.后验风险与后验风险准则 
5.3.4.常用损失函数下的贝叶斯估计 
5.3.5.贝叶斯决策下的设检验 
5.4.抽样的价值 
5.4.1.接近信息期望值 
5.4.2.抽样信息期望值 
5.4.3.很好样本量的确定 
本章要点小结 
思与练 
第6章贝叶斯统计计算方法 
6.1.什么是mcmc方法 
6.1.1.蒙特卡罗法 
6.1.2.马尔可夫链 
6.1.2.马氏链蒙特卡罗法 
6.2.吉布斯抽样 
6.2.1.二阶段吉布斯抽样 
6.2.2.多阶段吉布斯抽样 
6.3.梅切波利斯—哈斯廷斯算法 
6.4.mcmc的收敛问题 
本章要点小结 
思与练 
第7章统计决策概要 
7.1.风险函数 
7.1.1.风险函数与一致很优决策函数 
7.1.2.统计决策框架中的经典推断 
7.2.决策函数的容许与小优选准则 
7.2.1.容许 
7.2.2.小优选准则 
7.3.贝叶斯风险准则与贝叶斯解 
7.2.1.贝叶斯风险准则 
7.3.2.贝叶斯解的质 
本章要点小结 
思与练 
拓展资源：专用r软件包 
附录常用概率分布表 
参文献