贝叶斯统计提供了一种假设性检验及置信区间估计的替换方法，该方法是以英国牧师托马斯·贝叶斯命名的。在本书中，艾弗森教授就贝叶斯推断表达了另一种观点，即基于先验概率生成后验概率。艾弗森教授讲解了如何运用贝叶斯理论及统计推论估计各种参数（包括比例、均值、相关性、回归与方差）。且在每个例子中，他都对贝叶斯推论法和经典推论法进行了比较。在后面的章节，他还讲述了贝叶斯推论的优缺点，*终得出结论：贝叶斯方法优于经典推论法。不论对此结论同意与否，通过认真学习，读者们均会对贝叶斯方法有一个相对全面的了解。

序 第1章 托马斯·贝叶斯和统计推断 第2节 经典统计推断 第1节 运用尾概率 第2节 置信区间的解释 第3节 参数值的不确定性 第3章 贝叶斯定理 第1节 推导 第2节 一个例子 第3节 一个总体 第4章 有关比例的贝叶斯方法 第1节 比例 第5章 其他参数的贝叶斯方法 第1节 均值 第2节 相关性 第3节 回归 第4节 列联表 第5节 两个均值间的差异 第6节 两个方差的比率 第7节 方差分析 第6章 先验分布 第1节 信息先验与非信息先验 第2节 寻找先验分布 第3节 先验的主观性质 第4节 先验的影响 第7章 贝叶斯的难点 第1节 先验 第2节 数据概率 第3节 计算 第8章 贝叶斯的优势 第1节 特定层面原因 第2节 一般层面原因 参考文献 译名对照表

适读人群 ：大众
贝叶斯方法是一种计算假设概率的方法。该方法将未知模型或变量看成已知分布的随机变量，基于先验和后验概率对未知参数进行推断。作为进行决策的重要工具，贝叶斯方法被广泛应用于解决医学、金融、市场预测、产品检测等一系列不确定的问题。 主要特点 与经典统计方法比对，有助于读者掌握贝叶斯方法基本思想 案例丰富，语言通俗，方便读者理解贝叶斯理论及实际应用 适合具有经典统计方法基础的高年级本科生、研究生