LIBER I · 2nd EDITION · CRC PRESS · 2020
是什么，凭什么是最好的入门
是什么：《Statistical Rethinking: A Bayesian Course with Examples in R and Stan》第二版（2020）。一本"课程体"教科书：每章即一讲，全程 R + Stan 代码，作者把整套课程的讲座视频免费放在网上并每年更新——买不买书都能上完这门课。社区把全书代码移植成了 Python/PyMC、Julia 等平行版本。
凭什么：三个别的教科书不肯做的决定——① 从零重建：不假设你记得任何统计课内容，第 2 章用一个地球仪抛接实验徒手造出贝叶斯更新；② 代码先于公式：每个概念先让你在代码里摸到，再给数学；③ 诚实面对黑暗面：整本书一直在讲"模型是小世界，现实是大世界"，教的是怀疑自己模型的手艺。
SKELETON · 骨架（按主题块）
四个乐章
- 造引擎（1–4 章）：小世界与大世界、地球仪实验、采样即计算、线性回归的贝叶斯重写。金句定调："模型不是真的，但可以是有用的——前提是你永远记得这一点。"
- 因果的闯入（5–6 章）：全书最大的第二版升级——DAG、混杂、对撞、"多元回归不是把变量都扔进去"。与书架上的因果推断站直接握手：坏控制变量、伯克森悖论在这里全部重演一遍，只是这次带着代码。
- 过拟合与信息论（7–9 章）：WAIC 与交叉验证、正则化先验、MCMC 引擎揭盖（包括著名的"国王与岛屿"的 Metropolis 寓言）。
- 重武器（10 章起）：广义线性模型、层级模型（部分池化的正式登场，作者称之为"贝叶斯统计的珍珠"）、测量误差、缺失数据、高斯过程。
Signature Idea · 代表思想
黄金机器人（golem）隐喻：统计检验是一群强大而全盲的机器人——你按下按钮它就执行，绝不问自己该不该被按下。传统统计教育教你"选对机器人"，这本书教你亲手造机器人：写下你自己的模型，而不是在检验菜单里点菜。
READING NOTES · 读法
怎么读
- 必须跑代码。这本书的知识一半在正文，一半在你运行代码后的惊讶里。R 不熟就用社区的 PyMC (Python) 移植版，别用"先学会 R"当拖延借口。
- 配视频服用：McElreath 的年度讲座（YouTube 免费）比书更新、更口语，书页跟不上时先看对应讲座。
- 练习题别跳：每章的 Medium 难度题是设计过的理解检查点，Hard 题可选。
- 读完 1–9 章 + 层级模型章，你就有资格向 Jaynes 与 Gelman 进发了——这也是三级阶梯的换乘点。
Caveat · 一点保留
正式中文版长期缺位，主要靠英文原版 + 社区资源（豆瓣与论坛流传第一版中译与各语言代码仓）。另外它刻意"重直觉轻推导"：数学系读者可能嫌不严格——严格性配额在阶梯的后两级，别在第一级要求它。
BUILD YOUR OWN GOLEM