J.S.克拉克编著的《面向生态学数据的贝叶斯统计--层次模型算法和R编程》涵盖方法引论与实验分析应用两部分，针对多个时空尺度，介绍了适合于生态学数据的统计推断方法和层次模型，涉及经典频率论和贝叶斯统计的模型、算法和具体编程。本书适用于生态学和环境科学专业的研究生和科研人员，可作为实验和观测数据分析的教材或参考书。

作为统计学的两大分支，频率论和贝叶斯统计创立的时间相差无几，但贝叶斯统计直到近10年才被逐步引进到生态学数据分析。J.S.克拉克编著的《面向生态学数据的贝叶斯统计--层次模型算法和R编程》涵盖方法引论与实验分析应用两部分，针对多个时空尺度，介绍了适合于生态学数据的统计推断方法和层次模型，涉及经典频率论和贝叶斯统计的模型、算法和具体编程。首先阐述了生态学数据的层次结构和时空变异性，以及频率论和贝叶斯统计。然后介绍贝叶斯推断的基础概念、分析框架和算法原理；并进一步针对生态学层次模型、时间序列及时空复合格局数据依次展开分析模拟。在应用操作部分，配合方法部分的各章内容介绍基于R的算法与编程实践。最后本书还附录了与生态学数据密切相关的频率论与贝叶斯统计的基础知识。

《面向生态学数据的贝叶斯统计--层次模型算法和R编程》适用于生态学和环境科学专业的研究生和科研人员，可作为实验和观测数据分析的教材或参考书。具有一定概率论和贝叶斯统计基础及统计软件R应用编程技术的人员，对于理解和应用本书所涉及的相关方法是必要的。

中译本序

译者序

原书前言

上篇 面向生态学数据的模型：引论

 第I部分 引 言

第1章 关联中的模型

 1．1 自然界和模型中的复杂性与隐蔽性

 1．2 建立联系：数据、推断和决策

 1．3 模型二元素：已知和未知

 1．4 利用模型学习：假设与量化

 1．5 估计与向前拟合

 1．6 统计实用主义

第2章 模型要素：应用于种群增长

 2．1 模型和数据实例

 2．2 模型状态和时间

 2．3 未知的随机性

 2．4 过程模型的更多背景

 第II部分推断的要素

第3章 点估计：最大似然法和矩法

 3．1 引言

 3．2 似然

 3．3 二项分布

 3．4 结合二项分布和指数分布

 3．5 正态分布的最大似然估计

 3．6 种群增长

 3．7 应用：结实性

 3．8 生存分析的最大似然法

 3．9 设计矩阵

 3．1 0最大似然估计的数值方法

 3．1 1矩配对

 3．1 2常见的抽样分布与扩散

 3．1 3假设和下一步

第4章 贝叶斯方法的要素

 4．1 贝叶斯方法

 4．2 正态分布

 4．3 主观概率与先验的作用

第5章 置信包络和预测区间

 5．1 经典的区间估计

 5．2 贝叶斯可信区间

 5．3 多参数的似然剖面

 5．4 几个参数的置信区间：线性回归

 5．5 用哪一个置信包络呢?

 5．6 预测区间

 5．7 不确定性和变异性

 5．8 何时采用贝叶斯统计?

第6章 模型的评价与选择

 6．1 利用统计来评价模型

 6．2 假设检验的作用

 6．3 嵌套模型

 6．4 经典模型选择的附加讨论

 6．5 贝叶斯模型评价

 6．6 关于贝叶斯模型评价的其他思考

 第III部分 大型模型

第7章 贝叶斯计算方法：模拟工具简介

 7．1 通过模拟得到后验

 7．2 一些基本模拟技术

 7．3 马尔可夫链蒙特卡罗模拟

 7．4 应用：回归的贝叶斯分析

 7．5 利用MCMC

 7．6 贝叶斯模型选择的计算

 7．7 响应变量的先验

 7．8 基础知识介绍完毕

第8章 层次结构解析

 8．1 背景的层次模型

 8．2 混合线性模型和广义线性模型

 8．3 应用：对CO2的生长响应

 8．4 基于条件的思考

 8．5 有关树木的两个应用

下篇 基于R的环境科学统计计算

参考文献

术语表