Bayesiansk statistikk er en tankeretning som forener prioropplevelser med sannsynligheten av en hypotese for å komme frem til posterioropplevelser. Den første utgaven av Peter Lees bok ble utgitt i 1989, men emnet har utviklet seg betydelig siden den gang, med en stadig større fokus på Monte Carlo-baserte teknikker. Denne fjerde utgaven tar for seg de nyeste metodene innen området, som variational methods, Bayesian importance sampling, approximate Bayesian computation og Reversible Jump Markov Chain Monte Carlo (RJMCMC). Boken gir en kortfattet oversikt over hvordan den bayesianske tilnærmingen til statstikk har utviklet seg, og hvordan den står i kontrast til den tradisjonelle tilnærmingen. Teorien bygges opp steg for steg, og viktige begreper som tilstrekkelighet belyses gjennom diskusjon av relevante egenskaper fra spesifikke eksempler. Denne utgaven har:* Utvidet dekning av Gibbs sampling, med flere numeriske eksempler samt behandling av OpenBUGS, R2WinBUGS og R2OpenBUGS.* Presenter betydelig nytt materiale om de nyeste utviklingene innen feltet.
