第1章 貝葉斯定理 1
1.1 條件概率 1
1.2 聯閤概率 2
1.3 麯奇餅問題 2
1.4 貝葉斯定理 3
1.5 曆時詮釋 4
1.6 M&M豆問題 5
1.7 Monty Hall難題 6
1.8 討論 8
第2章 統計計算 9
2.1 分布 9
2.2 麯奇餅問題 10
2.3 貝葉斯框架 11
2.4 Monty Hall難題 12
2.5 封裝框架 13
2.6 M&M豆問題 14
2.7 討論 15
2.8 練習 16
第3章 估計 17
3.1 骰子問題 17
3.2 火車頭問題 18
3.3 怎樣看待先驗概率？ 20
3.4 其他先驗概率 21
3.5 置信區間 23
3.6 纍積分布函數 23
3.7 德軍坦剋問題 24
3.8 討論 24
3.9 練習 25
第4章 估計進階 27
4.1　歐元問題 27
4.2　後驗概率的概述 28
4.3　先驗概率的湮沒 29
4.4　優化 31
4.5　Beta分布 32
4.6　討論 34
4.7　練習 34
第5章 勝率和加數 37
5.1 勝率 37
5.2 貝葉斯定理的勝率形式 38
5.3 奧利弗的血跡 39
5.4 加數 40
5.5 最大化 42
5.6 混閤分布 45
5.7 討論 47
第6章 決策分析 49
6.1 “正確的價格”問題 49
6.2 先驗概率 50
6.3 概率密度函數 50
6.4 PDF的錶示 51
6.5 選手建模 53
6.6 似然度 55
6.7 更新 55
6.8 最優齣價 57
6.9 討論 59
第7章 預測 61
7.1　波士頓棕熊隊問題 61
7.2　泊鬆過程 62
7.3　後驗 63
7.4　進球分布 64
7.5　獲勝的概率 66
7.6　突然死亡法則 66
7.7　討論 68
7.8　練習 69
第8章 觀察者的偏差 71
8.1　紅綫問題 71
8.2　模型 71
8.3　等待時間 73
8.4　預測等待時間 75
8.5　估計到達率 78
8.6　消除不確定性 80
8.7　決策分析 81
8.8　討論 83
8.9　練習 84
第9章 二維問題 85
9.1 彩彈 85
9.2 Suite對象 85
9.3 三角學 87
9.4 似然度 88
9.5 聯閤分布 89
9.6 條件分布 90
9.7 置信區間 91
9.8 討論 93
9.9 練習 94
第10章 貝葉斯近似計算 95
10.1 變異性假說 95
10.2 均值和標準差 96
10.3 更新 98
10.4 CV的後驗分布 98
10.5 數據下溢 99
10.6 對數似然 100
10.7 一個小的優化 101
10.8 ABC（近似貝葉斯計算） 102
10.9 估計的可靠性 104
10.10 誰的變異性更大？ 105
10.11 討論 107
10.12 練習 108
第11章 假設檢驗 109
11.1 迴到歐元問題 109
11.2 來一個公平的對比 110
11.3 三角前驗 111
11.4 討論 112
11.5 練習 113
第12章 證據 115
12.1 解讀SAT成績 115
12.2 比例得分SAT 115
12.3 先驗 116
12.4 後驗 117
12.5 一個更好的模型 119
12.6 校準 121
12.7 效率的後驗分布 122
12.8 預測分布 123
12.9 討論 124
第13章 模擬 127
13.1 腎腫瘤的問題 127
13.2 一個簡化模型 128
13.3 更普遍的模型 130
13.4 實現 131
13.5 緩存聯閤分布 132
13.6 條件分布 133
13.7 序列相關性 135
13.8 討論 138
第14章 層次化模型 139
14.1 蓋革計數器問題 139
14.2 從簡單的開始 140
14.3 分層模型 141
14.4 一個小優化 142
14.5 抽取後驗 142
14.6 討論 144
14.7 練習 144
第15章 處理多維問題 145
15.1 臍部細菌 145
15.2 獅子，老虎和熊 145
15.3 分層版本 148
15.4 隨機抽樣 149
15.5 優化 150
15.6 堆疊的層次結構 151
15.7 另一個問題 153
15.8 還有工作要做 154
15.9 肚臍數據 156
15.10 預測分布 158
15.11 聯閤後驗 161
15.12 覆蓋 162
15.13 討論 164
· · · · · · (收起)