贝叶斯与MCMC参考书推荐
家人们，今年陆陆续续回答过很多参考书推荐相关的问题，我也是感到非常荣幸啊，看来大家和我一样都处在努力学习的阶段。虽然每个人的情况不一样，我推荐的参考书也会不同，但有那么几本教材或者专业书，它们的泛用性是相当不错的，难度差不多适合高年级本科生和硕士生，我简单总结一下。
Bayesian Data Analysis； 这本书是一群大佬写的，这群大佬每一个都非常厉害，所以这本书算得上是包罗万象，从贝叶斯推断的基础，到贝叶斯建模的实践，再到贝叶斯模型的计算，最后还讨论了相当多具体的模型。我比较推荐把这本书当工具书来用，想了解某个具体问题的时候就可以拿出来翻一下。至于他们对具体模型的观点，则需要有选择地吸收，比如我们之前讲Bayes Logistic Regression的时候就有聊过Gelman认为高维情况下系数用heavy-tailed prior的观点就有争议。
贝叶斯统计；这本书是茆诗松老师写的，适合学过概率论与数理统计的同学作为初次系统性学习贝叶斯统计的参考书。茆诗松老师是我国数理统计领域的老前辈了，这本书也是如他写的其他统计教材一样靠谱。
A First Course in Bayesian Statistical Methods; 这本书是Peter Hoff写的，他也是非常牛的一位统计学家，感兴趣的话可以去他的github主页（pdhoff.github.io）看看。这本书也是比较适合对统计推断比较熟悉的同学作为初次系统性学习贝叶斯统计的参考书。
Computational Statsitics；这本书是Givens and Hoeting写的，学过概率论与数理统计的同学看这本书完全无压力，它包含了统计计算最核心的一些问题，并且没有用很复杂的数学工具，所以比较适合做应用的同学参考。
Monte Carlo Statistical Methods；这本书是我们的老熟人Casella和他的同事写的，和上一本不同，它包含了算法理论性质的严谨推导，用到的工具也比较复杂，我们之前在贝叶斯统计那个视频里聊MCMC理论基础的部分就是参考的它。要学习的话建议先把Casella的统计推断看了，最好也翻一下他的Theory of Point Estimation。所以这本书只推荐未来要研究MCMC理论的同学参考。
Statistical Decision Theory and Bayesian Statistics；这本书应该很多人都推荐过，James Berger的经典著作，但我个人不太推荐用它作为初学贝叶斯统计的第一本书，因为他写作的思路是把贝叶斯统计放在统计决策理论这个大框架下作为一种统计”大一统“理论的一部分。如果是了解贝叶斯但又想知道点统计决策理论的话，我其实更推荐把elements of statistics learning的2.4节看了就行了。
今天差不多就推荐这六本吧，虽然贝叶斯在统计建模的每个领域都有相应的文献，但书和论文是看不完的，所以我们系统性学习的时候还是应该以掌握贝叶斯的方法论为目的。祝好！
