新書推薦：
《
现代吴语的研究（中华现代学术名著3）
》
售價：HK$
65.0
《
天下的当代性：世界秩序的实践与想象（新版）
》
售價：HK$
77.3
《
德国天才4：断裂与承续
》
售價：HK$
109.8
《
妈妈的情绪，决定孩子的未来
》
售價：HK$
42.6
《
推拿纲目
》
售價：HK$
403.2
《
精致考古--山东大学实验室考古项目论文集（一）
》
售價：HK$
244.2
《
从天下到世界——国际法与晚清中国的主权意识
》
售價：HK$
76.2
《
血色帝国：近代英国社会与美洲移民
》
售價：HK$
58.2
|
| 內容簡介： |
|
《现代统计理论与计算》旨在介绍现代统计学中的主流理论、思想和方法，是应用现代统计方法解决统计推断问题的重要基础。《现代统计理论与计算》共两部分：第一部分为现代统计理论概要，第二部分为现代统计计算方法。 第一部分主要介绍现代数理统计的基本概念、统计推断的基本理论和方法、统计量或估计量的大样本性质，是统计学相关专业学生学习后续专业课程和进行统计理论、方法及应用研究的重要基础，主要内容包括：点估计的基本概念与方法及其评价标准，假设检验的基本概念与方法及其评价标准，区间估计的基本概念与方法及其评价标准，广义矩方法与经验似然，贝叶斯统计推断的基本概念、思想与方法等。 第二部分主要介绍现代统计计算的理论与方法，是统计理论和方法实现的实践，也是当代统计学相关专业从业者进行统计理论小样本性质和贝叶斯统计分析的重要工具，还是大数据背景下数据分析必不可少的技术，其主要内容包括：随机数生成的理论和方法，Monte Carlo积分与抽样方法，再抽样理论与方法，模拟退火算法与EM算法，Markov链Monte Carlo，非参数密度估计与非参数回归，三次样条与薄板样条的理论与方法等。
|
| 目錄：
|
|
目录前言主要符号对照表第一部分 现代统计理论概要第1章 数理统计的基本概念 31.1 总体、样本、统计量与估计量 31.1.1 总体与个体 31.1.2 样本与样本观测值 41.1.3 统计量与估计量 41.2 数字特征与数据的经验分布 51.2.1 数字特征 51.2.2 数据的经验分布 11 1.3 充分统计量 13 1.3.1 充分统计量的概念 13 1.3.2 因子分解定理 17 1.4 指数型分布族 19 1.5 习题 21 第2章 随机收敛性 24 2.1 依分布收敛、依概率收敛和几乎处处收敛 24 2.2 连续映照定理 26 2.3 三种收敛性间的联系 27 2.4 矩收敛性 30 2.5 多元正态分布、多元中心极限定理与χ2-检验统计量 31 2.5.1 多元正态分布的概念与性质 31 2.5.2 多元中心极限定理 34 2.5.3 Pearsonχ2-检验 35 2.6 习题 37 第3章 点估计及其评价标准 39 3.1 参数点估计与均方误差 393.2 估计量的无偏性和相合性 40 3.3 估计量的渐近正态性及其应用 42 3.3.1 估计量的渐近正态性 42 3.3.2 渐近正态性的应用 44 3.4 Fisher信息不等式、估计量的有效性及渐近有效性 45 3.4.1 Fisher信息量 45 3.4.2 Fisher信息与充分统计量 47 3.4.3 信息不等式 48 3.4.4 估计量的有效性及渐近有效性 49 3.5 Δ方法与矩估计量 50 3.5.1 Δ方法 50 3.5.2 矩估计量 53 3.6 Z-估计与M-估计的概念与例子 53 3.7 Z-估计与M-估计的渐近性质 56 3.7.1 相合性 56 3.7.2 渐近正态性 61 3.8 最大似然估计及其渐近性质 63 3.8.1 最大似然估计的概念 63 3.8.2 最大似然估计的渐近性质 65 3.9 习题 67 第4章 假设检验及其评价标准 70 4.1 基本概念 70 4.1.1 统计假设 70 4.1.2 检验、拒绝域与检验统计量 70 4.1.3 两类错误 71 4.1.4 显著性水平与功效函数 72 4.2 最大功效检验 73 4.2.1 最大功效检验的概念 73 4.2.2 Neyman-Pearson定理 74 4.3 一致最大功效检验 79 4.3.1 一致最大功效检验的概念与求法 79 4.3.2 一致最大功效检验与充分统计量 82 4.4 似然比检验 85 4.4.1 最大似然比检验 85 4.4.2 似然比检验统计量的渐近分布 884.5 习题 91 第5章 区间估计及其评价标准 95 5.1 区间估计基本概念 95 5.1.1 置信区间 95 5.1.2 置信区间的评价标准 96 5.1.3 置信域 99 5.2 置信区间的构造方法 100 5.2.1 枢轴量法 100 5.2.2 区间估计与假设检验的关系 102 5.3 似然比置信区间 104 5.4 习题 106 第6章 广义矩方法与经验似然 107 6.1 广义矩方法 107 6.1.1 广义矩估计量 108 6.1.2 方差矩阵的估计 111 6.1.3 最优权重矩阵的选取 111 6.2 经验似然 113 6.2.1 均值参数的经验似然 114 6.2.2 一般参数的经验似然 114 6.2.3 经验似然比检验 121 6.3 习题 122 第7章 贝叶斯统计推断 125 7.1 统计学两个学派的差别 125 7.2 贝叶斯公式的密度函数形式 125 7.3 先验分布的选取 126 7.3.1 共轭先验分布 127 7.3.2 不变先验分布 129 7.3.3 Jeffreys原则 131 7.3.4 最大熵原则 132 7.4 贝叶斯参数估计 135 7.4.1 点估计 135 7.4.2 区间估计 136 7.5 贝叶斯假设检验 136 7.6 习题 137第二部分 现代统计计算方法 第8章 随机数的生成 141 8.1 伪随机数的生成 141 8.2 连续型随机数的生成 142 8.2.1 逆变换法 142 8.2.2 舍选抽样法 143 8.2.3 R函数 145 8.3 离散型随机数的生成 145 8.3.1 逆变换法 145 8.3.2 舍选抽样法 146 8.3.3 合成法 148 8.3.4 R函数 149 8.4 习题 149 第9章 Monte Carlo积分与抽样方法 151 9.1 Monte Carlo积分 151 9.2 样本平均值法 152 9.3 重要抽样法 153 9.4 分层抽样法 155 9.5 关联抽样法 157 9.6 习题 159 第10章 再抽样理论与方法 160 10.1 偏差的刀切法估计 160 10.1.1 估计方法 160 10.1.2 估计方法合理性 163 10.2 方差的刀切法估计 163 10.2.1 估计方法 163 10.2.2 估计的偏差 166 10.3 自助法抽样 167 10.4 自助法非参数化方法 168 10.4.1 非参数自助法 168 10.4.2 极限理论结论 171 10.5 自助法参数化方法 172 10.5.1 参数自助法 172 10.5.2 极限理论结论 17310.5.3 残差自助法 174 10.5.4 总体中含未知参数的自助法拟合优度检验 175 10.6 习题 177 第11章 模拟退火算法与EM算法 179 11.1 模拟退火算法 179 11.2 EM算法与Monte CarloEM算法 183 11.2.1 EM算法 183 11.2.2 Monte Carlo EM 188 11.2.3 EM标准误差 188 11.3 习题 189 第12章 Markov链Monte Carlo 191 12.1 Markov链简介 191 12.1.1 Markov链及其转移核 191 12.1.2 状态的命名与周期 193 12.1.3 不变分布 193 12.1.4 平稳可逆分布 194 12.2 MCMC简介 195 12.3 Metropolis-Hastings算法 196 12.3.1 Metropolis-Hastings算法的一般理论 196 12.3.2 独立Metropolis-Hastings算法 198 12.3.3 随机游动Metropolis-Hastings算法 200 12.4 Gibbs抽样方法 202 12.5 切片抽样方法 205 12.5.1 2D切片抽样 205 12.5.2 一般的切片抽样 208 12.6 MCMC收敛性诊断 208 12.7 习题 210第13章 非参数密度估计 212 13.1 直方图密度估计 212 13.1.1 直方图密度估计的概念 212 13.1.2 直方图密度函数的重要性质 214 13.1.3 带宽选择 214 13.2 核密度估计 216 13.2.1 核密度估计的概念 216 13.2.2 核密度计算 21813.2.3 核密度重要性质 219 13.2.4 带宽的选择 220 13.3 基于样条基的非参数密度估计 223 13.3.1 对数样条密度估计 223 13.3.2 节点的选取 224 13.3.3 三次样条密度估计 224 13.4 习题 225 第14章 非参数回归 227 14.1 核回归光滑 228 14.1.1 核回归光滑的概念 228 14.1.2 带宽的选择 230 14.1.3 Gasser-Müller核回归 231 14.2 局部多项式回归 232 14.2.1 局部线性回归 232 14.2.2 带宽的选择 234 14.2.3 局部p阶多项式回归 234 14.3 正交序列回归 236 14.3.1 正交序列回归的一般理论 236 14.3.2 Legendre多项式正交基下的回归 238 14.4 三次样条回归 239 14.5 多元自适应回归样条 241 14.5.1 多元自适应回归样条预测模型 242 14.5.2 MARS建模思想与过程 242 14.6 习题 245 第15章 三次样条与薄板样条 247 15.1 罚最小二乘与自然三次样条 247 15.1.1 罚最小二乘 247 15.1.2 罚最小二乘估计与自然三次样条 248 15.1.3 三次光滑样条的一个实例 249 15.1.4 三次样条插值 250 15.1.5 三次光滑样条与三次样条插值的计算 250 15.2 薄板样条 252 15.2.1 薄板样条的概念与性质 252 15.2.2 光滑薄板样条与薄板样条插值的计算 254 15.3 习题 255参考文献 256 附录A 章节知识架构 262 附录B 船体受力与碰撞模拟数据 273 索引 278
|
|
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
