内容简介 
近几十年来，数据科学的兴起放大了分析数据的高效方法的需求，并突显了统计推断的重要性。尽管取得了巨大进展，统计科学仍然是一个年轻的学科，并且在其方法和基础上仍然存在几种不同且相互竞争的路径。尽管科学学科的竞争方法的出现是任何科学学科自然进展的一部分，但统计推断的基础差异有时会导致从同一数据集得出不同的解释和结论。对统计推断基础增加兴趣导致了许多出版物，最近在统计学、应用数学、哲学和其他科学领域的活跃研究活动反映了这一发展的重要性。BFF方法不仅桥接了基础和科学学习，而且促进了客观和可复制的科学研究，并为大数据分析提供了可扩展的计算方法。大多数已发表的作品通常专注于单一主题或主题，而相关作品散布在不同的期刊中。这本手册提供了对BFF推理学派的关键发展的全面介绍和广泛概述。它适用于希望从BFF角度了解推理基础的研究人员和学生，并为BFF推理提供了一般参考。
 
主要特点：

• 提供对BFF推理学派关键发展的全面介绍
• 概述现代推理方法，使其他领域的科学家能够扩展他们的知识
• 适用于具有不同视角和背景的读者

 
目录
风险事业
经验贝叶斯：概念与方法
参数的分布
客观贝叶斯推断及其与频率主义的关系
信度推断，过去与现在
使用置信度分布桥接贝叶斯、频率和信度推断
客观贝叶斯测试和模型不确定性
“BFFer 对干扰构造的探索：贝叶斯 p 值、H 似然和柯西性”
贝叶斯神经网络和降维
切线指数模型
贝叶斯与频率框架中的数据整合和模型融合
博弈论基础如何解决贝叶斯与频率主义的对立
广义信度推断简介
德普斯特-沙弗理论在统计推断中的应用
通过信度森林切割路径
推论模型和可能性度量
符合预测分布：非参数信度预测的一种方法
信度推断与决策理论