現(xiàn)代貝葉斯統(tǒng)計(jì)（修訂版）

前言
第1章 貝葉斯立場（D.V.Lindley）
第2章 先驗(yàn)分布，后驗(yàn)分布及貝葉斯推斷
2.1 一些基本概念
2.1.1 決策的基本概念
2.1.2 先驗(yàn)分布和后驗(yàn)分布
2.1.3 貝葉斯估計(jì)簡介
2.1.4 貝葉斯因子和假設(shè)檢驗(yàn)
2.1.5 貝葉斯假設(shè)檢驗(yàn)中的樣本量的確定
2.1.6 部分貝葉斯因子
2.2 非主觀先驗(yàn)分布
2.2.1 Jeffreys原則
2.2.2 參照先驗(yàn)分布
2.2.3 概率匹配先驗(yàn)分布
2.2.4 Jorgensen離差模型的例子
2.2.5 非正常先驗(yàn)分布作為正常先驗(yàn)分布極限的問題
2.3 一些推斷問題
2.3.1 后驗(yàn)分布的估計(jì)：先驗(yàn)不確定性
2.3.2 先驗(yàn)分布的一個估計(jì)
2.3.3 利用預(yù)測性分布的點(diǎn)估計(jì)
2.3.4 無偏貝葉斯估計(jì)和非正常先驗(yàn)分布
2.3.5 用排序集樣本的貝葉斯估計(jì)
2.3.6 連續(xù)分布時對集合觀測的利用
2.3.7 多余參數(shù)的先驗(yàn)均值的利用
2.3.8 處理多余參數(shù)的近似方法
2.3.9 貝葉斯置信區(qū)域
2.3.10 頻率派與貝葉斯派檢驗(yàn)統(tǒng)一之例
2.3.11 貝葉斯置信區(qū)間和非貝葉斯置信區(qū)間的關(guān)系
2.3.12 關(guān)于模擬先驗(yàn)分布參數(shù)以得到近似后驗(yàn)樣本的討論
2.3.13 橢球面分布的隨機(jī)控制
2.3.14 貝葉斯模型選擇和部分貝葉斯因子
2.3.15 貝葉斯模型選擇和異方差下的方差分析
2.3.16 貝葉斯意義下的相關(guān)
2.3.17 貝葉斯密度估計(jì)的一個廣義貝葉斯準(zhǔn)則
2.3.18 有界損失函數(shù)下的尺度參數(shù)的估計(jì)
2.3.19 受約束參數(shù)的貝葉斯分析
2.4 一些分布問題
2.4.1 最大數(shù)據(jù)信息先驗(yàn)分布
2.4.2 指數(shù)族的共軛似然分布
2.4.3 基于專家知識的主觀先驗(yàn)分布
2.4.4 貝葉斯模型平均
2.4.5 有限混合分布問題
2.5 用抽樣方法計(jì)算邊緣密度
2.6 貝葉斯圖建模
2.7 穩(wěn)健性和離群點(diǎn)
2.7.1 穩(wěn)健性的度量
2.7 2先驗(yàn)分布“鄰域”的確定和后驗(yàn)期望的計(jì)算
2.7.3 貝葉斯多層模型的穩(wěn)健性
2.7.4 指數(shù)失效模型的穩(wěn)健貝葉斯分析
2.7.5 離群點(diǎn)的貝葉斯模型
2.7.6 對均值的貝葉斯穩(wěn)健估計(jì)
2.7.7 關(guān)于損失函數(shù)的穩(wěn)健性
2.7.8 穩(wěn)健問題的線性方法
第3章 常用分布
3.1 正態(tài)類分布
3.1.1 共軛先驗(yàn)分布
3.1.2 其他先驗(yàn)分布
3.1.3 t分布時利用獨(dú)立二元先驗(yàn)分布
3.1.4 估計(jì)二元正態(tài)分布相關(guān)系數(shù)的先驗(yàn)分布
3.1.5 正態(tài)均值乘積的參照先驗(yàn)分布
3.1.6 逆高斯分布情況
3.1.7 似然方法和貝葉斯方法在對逆高斯分布的參數(shù)推斷時的比較
3.1.8 正態(tài)均值和均值差的后驗(yàn)可信區(qū)間的樣本量
3.1.9 有條件確定的先驗(yàn)分布
3.2 二項(xiàng)分布、多項(xiàng)分布、負(fù)二項(xiàng)分布及超幾何分布
3.2.1 二項(xiàng)分布
3.2.2 二項(xiàng)分布的HPD可信區(qū)間的樣本量
3.2.3 多項(xiàng)分布
3.2.4 多項(xiàng)分布的樣本量
3.2.5 多項(xiàng)分布參數(shù)的對比
3.2.6 Beta-二項(xiàng)分布中使用非正常先驗(yàn)分布的問題
3.2.7 負(fù)二項(xiàng)分布和超幾何分布
3.3 Poisson分布、指數(shù)分布與Weibull分布
3.3.1 Poisson分布
3.3.2 指數(shù)分布
3.3.3 Marshall-Olkin指數(shù)分布
3.3.4 Weibull分布
3.4 有窮總體問題
3.4.1 賽馬問題
3.4.2 有窮總體的貝葉斯區(qū)間估計(jì)和Polya抽樣
3.4.3 有窮總體的非參數(shù)貝葉斯模型
3.4.4 有窮總體的貝葉斯線性方法
3.4.5 在有窮總體抽樣中的可交換先驗(yàn)信息
3.5 Von Mises分布
第4章 可靠性問題
4.1 和可靠性推斷有關(guān)的一些問題
4.1.1 可靠性的估計(jì)
4.1.2 殘余生存函數(shù)和平均殘余壽命的非參數(shù)貝葉斯估計(jì)
4.1.3 Gompertz生存模型的貝葉斯估計(jì)
4.1.4 有刪失數(shù)據(jù)的BurrXII型失效模型的估計(jì)
4.1.5 Ⅱ-型雙刪失的Rayleigh分布數(shù)據(jù)
4.1.6 貝葉斯可靠性證明試驗(yàn)（RDT）
4.2 系統(tǒng)可靠性的貝葉斯分析
4.3 單調(diào)失效率的貝葉斯模型
4.3.1 隨機(jī)單調(diào)失效率的貝葉斯模型
4.3.2 遞增失效率的非參數(shù)貝葉斯估計(jì)
4.4 加速失效時間模型
4.4.1 加速Weitroll模型
4.4.2 對數(shù)線性失效時間模型的貝葉斯分析
4.4.3 級增負(fù)荷加速壽命試驗(yàn)的貝葉斯模型
4.5 和Pareto分布有關(guān)的貝葉斯推斷
4.5.1 Pareto分布的貝葉斯推斷
4.5.2 Pareto模型和貝葉斯預(yù)測
4.5.3 Pareto總體中刪失和成組數(shù)據(jù)的貝葉斯分析
4.5.4 二元Pareto分布時對P（X2(X1）的估計(jì)
4.5.5 有條件確定的先驗(yàn)分布
第5章 經(jīng)驗(yàn)貝葉斯方法
5.1 概說
5.1.1 非參數(shù)經(jīng)驗(yàn)貝葉斯估計(jì)簡介
5.1.2 參數(shù)經(jīng)驗(yàn)貝葉斯估計(jì)簡介
5.2 幾個估計(jì)問題
5.2.1 離散單參數(shù)指數(shù)族的EB估計(jì)
5.2.2 利用EB方法估計(jì)多元正態(tài)均值
5.2.3 有窮總體抽樣的EB估計(jì)
5.2.4 有窮總體方差的EB估計(jì)
5.3 EB的應(yīng)用例子
5.3.1 EB方法在可靠性的