本书展示了如何使用真实的数据真实地进行贝叶斯数据分析。作者从概率与程序设计的基本概念出发，逐步带你进阶，帮助你最终掌握在实际的贝叶斯数据分析中常用的高级模型。本书分为三大部分，共有25章。第一部分介绍基础知识，内容包括贝叶斯推断的基本思想、模型、概率及R语言编程。第二部分涵盖了现代贝叶斯数据分析的所有关键思想。第三部分介绍如何在实际数据上应用贝叶斯方法。 本书适合对贝叶斯数据分析感兴趣的读者阅读。

第1章 内容概览
1.1 你真的可以读懂本书
1.2 本书内容
1.2.1 你很忙。你最少要阅读哪几章
1.2.2 你真的很忙！能阅读得再少一些吗
1.2.3 你想多读一点内容，但不要太多
1.2.4 如果你只是需要拒绝一个零假设
1.2.5 本书中与某传统检验等同的方法在哪里
1.3 第2版中有哪些新内容
1.4 给我反馈（请保持礼貌）
1.5 谢谢你们！
第一部分 基础知识：模型、概率、贝叶斯法则和R
第2章 可信度、模型与参数
2.1 贝叶斯推断是在多种可能性间重新分配可信度
2.2 可能性是描述性模型中的参数值
2.3 贝叶斯数据分析的步骤
2.4 练习
第3章 R语言
3.1 获取软件
3.2 使用R的一个简单的例子
3.3 R中的基本命令和运算符
3.3.1 在R中获取帮助
3.3.2 算术和逻辑运算符
3.3.3 赋值、关系运算符和等值判断
3.4 变量类型
3.4.1 向量
3.4.2 因子
3.4.3 矩阵和数组
3.4.4 列表和数据框
3.5 加载和保存数据
3.5.1 函数read.csv和read.table
3.5.2 在R中存储数据
3.6 一些工具函数
3.7 在R中编程
3.7.1 R中变量的名称
3.7.2 运行程序
3.7.3 编写一个函数
3.7.4 条件与循环
3.7.5 测量处理时间
3.7.6 调试
3.8 绘制图形：打开和保存
3.9 小结
3.10 练习
……
第二部分 二项概率推断的基本原理
第三部分 广义线性模型
参考文献