宠辱不惊淡看庭前花开花谢, 去留 ...分享 http://blog.sciencenet.cn/u/zhangshibin 专业: 概率论与数理统计 研究方向: 时空数据统计分析,包括随机过程统计、时间序列分析、空间统计、统计计算、贝叶斯统计等

博文

《现代统计理论与计算》已出版

已有 1745 次阅读 2022-7-29 09:43 |个人分类:学术交流|系统分类:论文交流

张世斌 (编著). 现代统计理论与计算. 北京: 科学出版社, 2022-07-22. ISBN9787030724878.

内容介绍

本书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。本书共两部分: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 3

1.1 总体、样本、统计量与估计量 3

1.1.1 总体与个体 3

1.1.2 样本与样本观测值 4

1.1.3 统计量与估计量 4

1.2 数字特征与数据的经验分布 5

1.2.1 数字特征 5

1.2.2 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 39

3.2 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 88

4.5 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 173

10.5.3 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 218

13.2.3 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

封面.jpg



https://blog.sciencenet.cn/blog-116301-1349225.html

上一篇:NW: Spectral comparison based on Anderson-Darling statistic
下一篇:NW: A copula spectral test for pairwise time reversibility
收藏 IP: 183.192.239.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-28 18:46

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部