前言

1.基本概念

1.1 导论

1.2 基本要素

1.3 期望损失、决策法则及风险

1.3.1 贝叶斯期望损失

1.3.2 频率派风险

1.4 随机化决策法则

1.5 决策原理

1.5.1 条件贝叶斯决策原理

1.5.2 频率派决策原理

1.6 基础

1.6.1 经典推断过程的误用

1.6.2 频率派的观点

1.6.3 条件的观点

1.6.4 似然原理

1.6.5 选择一种规范或决策原理

1.7 充分统计量

1.8 凸生

练习

2.效用与损失

2.1 导论

2.2 效用理论

2.3 钱的效用

2.4 损失函数

2.4.1 效用理论的发展

2.4.2 某些标准的损失函数

2.4.3 推断问题

2.4.4 预测问题

2.4.5 向量损失函数

2.5 评论

练习

3.先验信息和主观概率

3.1 主观概率

3.2 先验密度的主观确定

3.3 无信息先验

3.3.1 导论

3.3.2 位置和尺度问题的无信息先验

3.3.3 一般背景下的无信息先验__

3.3.4 讨论

3.4 最大熵先验

3.5 用边际分布确定先验

3.5.1 边际分布

3.5.2 关于m的信息

3.5.3 有约束的先验类

3.5.4 先验选择的ML-K方法

3.5.5 先验选择的矩方法

3.5.6 先验选择的距离方法

3.5.7 边际的可交换性

3.6 多层先验

3.7 批评

3.8 统计学家的作用

练习

4.贝叶斯分析

5.极小极大分析

6.不变性

7.预后验与序贯分析

8.完备类和基本完备类

附录Ⅰ 常见的统计密度

附录Ⅱ 第4章的补充

附录Ⅲ 第7章中的严格证明2100433B