贝叶斯统计是一种基于贝叶斯定理的数据分析方法,统计模型中有关参数的可用知识会随着观测数据中的信息而更新。背景知识以先验分布的形式表示,并以似然函数的形式与观测数据结合来确定后验分布。后验也可以用来预测未来的事件。这本入门书描述了贝叶斯分析中涉及的各个阶段,从指定先验模型和数据模型到推导推理、模型检查和细化。我们讨论了前验和后验预测检验、从后验分布中选择合适的抽样技术、变分推理和变量选择的重要性。本书提供了贝叶斯分析在不同研究领域的成功应用实例,包括社会科学、生态学、遗传学、医学等。我们提出了重现性和报告标准的策略,概述了一个更新的WAMBS(什么时候需要担心以及如何避免贝叶斯统计的误用)清单。最后,我们概述了贝叶斯分析对人工智能的影响,这是未来十年的主要目标。