本书介绍了如何使用Stan进行贝叶斯统计建模，它已经成为最流行的概率编程语言。 这本书分为四部分。第一部分回顾了建模和贝叶斯推理的理论背景，提出了一个建模工作流，使建模更工程而不是艺术。第二部分从一开始就讨论了Stan、CmdStanR和CmdStanPy的使用，然后讨论了基本的回归分析。第三部分介绍了一些概率分布、非线性模型和分层(多级)模型，这些是掌握统计建模的必要知识。还介绍了广泛使用的建模技术，如审查、异常值、缺失数据、加速和参数约束，并讨论了如何引导MCMC收敛。最后，第四部分探讨了现实世界数据的高级主题:纵向数据分析、状态空间模型、空间数据分析、高斯过程、贝叶斯优化、降维、模型选择和信息标准，证明Stan可以在短短30行中解决这些问题中的任何一个。 本书通过大量易于理解的示例解释了一些关键概念，这些概念在Stan的后续版本和其他统计建模工具中仍然很有用。这些例子不需要领域知识，可以推广到许多领域。本书提供了代码和数学公式的充分解释，使读者能够为自己的问题扩展模型。所有代码和数据都在GitHub上。