新書推薦：
《
财之道丛书·如何让人投资你：股权激励融资全揭秘
》
售價：HK$
101.2
《
PyTorch深度学习与计算机视觉实践
》
售價：HK$
90.9
《
新任经理 100 天实战指南
》
售價：HK$
89.7
《
日本百鬼画谱
》
售價：HK$
71.3
《
大明拐点 ： 天启党争
》
售價：HK$
66.7
《
纲鉴易知录评注（布面精装 全8册）
》
售價：HK$
572.7
《
官商跃迁：中国古代政商关系简史
》
售價：HK$
101.2
《
当代学术·乡族与国家：多元视野中的闽台传统社会（修订本）
》
售價：HK$
101.2
|
| 內容簡介： |
|
《应用统计方法》主要介绍数据统计建模的线性回归模型和时间序列模型等典型理论方法，系统阐述这些应用统计方法及其拓展推广，包括模型选择、参数估计、假设检验、优化和预测等。《应用统计方法》分为三部分：第1章为概率统计知识基础、第2至6章为回归分析、第7至12章为时间序列分析。《应用统计方法》的编写兼顾了理论性和实用性，不仅结合金融管理等领域实例和开源R语言进行案例分析，还在书后附加详细的R语言程序代码。
|
| 目錄：
|
|
目录前言第1章 概率统计知识基础 11.1 随机变量及其分布 11.1.1 随机变量 11.1.2 概率分布 21.1.3 累积概率分布 71.1.4 随机变量函数的分布 91.2 随机变量的数字特征 171.2.1 数学期望 171.2.2 方差 201.2.3 矩与特征函数 241.2.4 协方差与相关系数 271.2.5 分位数 291.3 参数估计方法 301.3.1 点估计 301.3.2 区间估计 341.4 假设检验 351.4.1 原假设与备择假设 351.4.2 拒绝域和显著性水平 361.4.3 常见的假设检验 37习题1 46第2章 一元线性回归 482.1 回归分析的发展和一般模型 482.2 一元回归模型简介 502.2.1 一元线性回归模型 502.2.2 回归模型的基本假定 522.3 一元回归的参数估计及其性质 532.3.1 普通*小二乘估计 532.3.2 OLS估计的基本性质 572.3.3 最大似然估计 612.4 一元回归的拟合优度 622.4.1 方差分析 622.4.2 R2 和相关系数 632.5 一元回归的显著性检验 642.5.1 回归系数的显著性检验与区间估计 642.5.2 回归模型的显著性检验 672.6 残差分析与预测 682.6.1 残差分析 682.6.2 预测 70习题2 75第3章 多元线性回归 783.1 多元线性回归模型简介 783.1.1 多元线性回归模型 783.1.2 回归模型的基本假定 803.2 多元线性回归的参数估计及其性质 813.2.1 多元线性回归的参数估计 813.2.2 OLS 估计的基本性质 833.2.3 最大似然估计 843.2.4 回归方程的解读 853.3 多元线性回归的显著性检验 873.3.1 拟合优度检验 873.3.2 回归模型的显著性检验 893.3.3 回归系数的显著性检验 903.3.4 回归系数的区间估计 923.4 多元回归的预测 943.4.1 平均值的区间预测 953.4.2 单值的区间预测 953.5 中心化与标准化回归模型 963.5.1 中心化回归模型 963.5.2 标准化回归模型 973.5.3 非线性模型的标准化 97习题3 100第4章 违背基本假设的回归分析处理 1034.1 异方差及其识别 1034.1.1 异方差的概念和影响 1034.1.2 异方差的识别方法 1044.1.3 异方差的处理方法 1094.1.4 加权*小二乘方法 1104.2 自相关问题及其识别1134.2.1 自相关的产生原因 1134.2.2 自相关的检验 1144.2.3 自相关的处理方法 1174.3 异常值和强影响点及其识别 1214.3.1 异常值的识别 1214.3.2 强影响点的识别 1224.3.3 异常值和强影响点的处理 1254.4 多重共线性及其识别1264.4.1 多重共线性的概念和影响 1264.4.2 多重共线性的识别 1284.4.3 多重共线性的处理 131习题4 132第5章 线性回归模型的变量选择 1345.1 自变量选择简介 1345.1.1 全模型和选模型 1345.1.2 自变量选择错误的影响 1355.2 所有子集回归 1385.2.1 *优子集回归 1385.2.2 变量选择准则 1405.3 逐步回归 1475.3.1 前向和后向选择 1475.3.2 逐步回归法 149习题5 152第6章 回归方法拓展 1566.1 线性回归拓展 1566.1.1 主成分回归 1566.1.2 岭回归 1616.1.3 Lasso 方法 1696.2 非线性回归 1716.3 属性变量回归 1786.3.1 虚拟解释变量回归 1786.3.2 Logistic回归 186习题6 192第7章 时间序列的预处理 1977.1 时间序列分析简介 1977.1.1 时间序列的定义 1977.1.2 时间序列分析方法 1987.1.3 时间序列分析的发展史 1987.2 平稳时间序列 1997.2.1 特征统计量 1997.2.2 平稳性的定义 2017.2.3 平稳性的检验 202 7.2.4 白噪声检验 2057.3 平稳化方法 2077.3.1 分解定理 2077.3.2 确定性因素分解法 208习题7 214第8章 线性时间序列模型 2168.1 方法性工具 2168.1.1 差分运算 2168.1.2 滞后算子 2178.1.3 线性差分方程 2178.2 自回归模型 2208.2.1 AR模型的定义 2208.2.2 AR模型的统计性质 2218.3 移动平均模型 2278.3.1 MA模型的定义 2278.3.2 MA模型的统计性质 2278.4 自回归移动平均模型2308.4.1 ARMA模型的定义 2308.4.2 ARMA模型的因果可逆过程 2318.4.3 ARMA模型的统计性质 232习题8 234第9章 线性时间序列的建模与预测 2359.1 自回归模型 2359.1.1 参数估计 2359.1.2 模型检验和优化 2379.1.3 序列预测 2389.2 移动平均模型 2409.2.1 参数估计 2409.2.2 模型检验和优化 2419.2.3 序列预测 2429.3 自回归移动平均模型2439.3.1 参数估计 2439.3.2 序列预测 2449.4 线性时间序列模型的定阶 2459.4.1 图形辨识法 2459.4.2 信息准则法 2479.4.3 模型诊断法 2489.5 线性时间序列建模小结 250习题9 253第10章 时间序列模型的拓展 25510.1 ARIMA模型 25510.1.1 模型的定义 25510.1.2 模型的性质 25910.1.3 模型的建模 26010.1.4 模型的应用 26110.2 ARCH模型 26410.2.1 模型的定义 26410.2.2 模型的性质 26510.2.3 模型的建模 26710.2.4 模型的应用 26710.2.5 GARCH模型及其应用 271习题10 273第11章 多元时间序列介绍 27511.1 多元平稳时间序列 27511.1.1 多元平稳时间序列的定义 27511.1.2 均值和自协方差函数的估计 27611.2 ARIMAX模型 27711.2.1 ARIMAX模型的定义和性质 27711.2.2 ARIMAX模型的建模 27711.2.3 案例分析 27911.3 向量自回归模型 28011.3.1 VAR模型的定义和性质 28011.3.2 VAR模型的建模 28111.4 协整与因果关系 28411.4.1 伪回归 28411.4.2 协整的定义 28511.4.3 协整的检验 28511.4.4 Granger因果性的定义 28711.4.5 Granger因果检验 288习题11 289第12章 时间序列的谱表示 29012.1 谱分布与谱密度 29012.2 平稳序列的周期图 29312.2.1 周期图的定义 29312.2.2 周期图的性质 29512.3 加窗谱估计.29712.3.1 加时窗的谱估计 29712.3.2 加谱窗的谱估计 29812.3.3 常用谱窗和时窗 30012.4 平稳序列的谱表示 30212.4.1 谱表示定理 30212.4.2 线性平稳序列的谱表示 30312.4.3 离散谱序列的特征 30412.4.4 离散谱序列的随机测度 30612.4.5 平稳序列的分解 30812.4.6 ARMA序列的谱表示 308习题12 310参考文献 311附录 全书R语言程序代码 312
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
