本书全面、系统地介绍贝叶斯统计的基本概念和方法，正文共20章，另有5个附录。每章配有分析和编程两类习题，以培养读者的理论水平和动手能力。本书的目标读者包括本科生、研究生、相关领域研究人员及工程技术人员等。本书可以作为数学、计算机、自动化、经济、管理等相关学科的教材。

陈曦，清华大学自动化系，副研究员。长期从事随机控制与优化，无线传感器网络的研究。在本领域著名国际期刊发表学术论文多篇。2009年获国家自然科学二等奖（“离散事件动态系统的理论与方法”，第三完成人）。应邀担任多个国际著名期刊及会议的评审人。翻译、出版教材多部。

前言 我们写本书的初衷是要尽早地向数学背景较好的学生介绍贝叶斯统计。本书所涉及的范围与统计学入门课本相类似 ,只不过是从贝叶斯的观点来阐述。本书的重点是统计推断：我们想要说明如何用贝叶斯方法进行推断 ,贝叶斯方法为什么比频率论的方法好。本书旨在成为学习贝叶斯统计的启蒙教材。第 1章至第 14章包含这部分的内容。我们收到了许多读者的正面评价,相信本书的目标已经达到。 我们得到的反馈还表明 ,很多读者在开始学习本书时是处于中级水平而不是最初设想的入门水平,对这些读者来说第 2章和第 3章的内容有些过时,所以我们加入一些更高级的材料以迎合这个群体的需要。第 2版在达到初始目标之余需要更进一步 ,我们纳入了更多的模型 ,主要是单变量模型。我们还用近似法处理冗余参数 ,第 4章至第 16章包含这部分内容。 第 3版的变化 后来的反馈表明 ,具有较强数学和统计学背景的读者希望本书有更多关于多参数模型的细节 ,为此我们在第 3版新增了 4章,同时重写了已有的部分章节。第 17章包括均值与方差均未知的正态观测的贝叶斯推断 ,这一章扩展了第 11章的思路 ,还讨论了两个样本的情况 ,从而让读者考虑基于均值差的推断。为了在第 19章中讨论多元线性回归 ,我们在第 18章介绍了多元正态分布。最后 ,第 20章让读者超越本书大部分章节所考虑的共轭分析的范畴 ,进入计算贝叶斯推断的王国。第 20章对所涉及的话题只是点到为止,但还是为用户提供了处理不同问题的有价值的信息和技巧。我们选了一些新的习题以及使用 Minitab宏和 R函数的计算机练习 ,从本书的网址 http://introbaye...