| 作者 |
| 罗曼·韦尔希宁 威廉·M.门登霍尔 特里·L辛西奇 罗伯特 A.唐纳利 萨拉·博斯劳 道格拉斯C.蒙哥马利 等 |
| 丛书名 |
| 统计学精品译丛 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782109071152 |
| 简要 |
| 简介 |
| 内容简介书籍数学书籍 ---------------------------8068815 - 高维概率及其在数据科学中的应用--------------------------- 本书全面介绍高维概率的理论、关键工具和现代应用，涵盖Hoeffding不等式和Chernoff不等式等经典结果以及Matrix Bernstein不等式等现代发展，还介绍了基于随机过程的强大方法，包括Slepian、Sudakov和Dudley不等式等工具，以及基于VC维数的通用链和界。全书使用了大量插图，包括协方差估计、聚类、网络、半定规划、编码、降维、矩阵补全、机器学习、压缩感知以及稀疏回归的经典和现代结果。 ---------------------------8050637 - 统计学（原书第6版）--------------------------- 本书是一本联系实际应用的统计教材. 全书共17章，主要介绍描述性统计、概率、离散随机变量、连续随机变量、二元概率分布及抽样分布、置信区间估计、假设检验、分类数据分析、简单线性回归、多重回归分析、模型构造、试验设计的原则、试验设计的方差分析、非参数统计、统计过程和质量控制、产品和系统的可靠性. 此外，本书的附录部分还介绍了一些统计软件的使用方法. 本书内容丰富，很少涉及统计学理论的严格数学证明，绝大部分是与实际应用紧密联系的例子和练习，适合作为理工科各专业本科生、研究生的统计学教材，也可作为相关领域研究人员的参考读物. ---------------------------7502221 - 商务统计学--------------------------- 本书是一本统计学入门教材，内容涉及描述统计学、概率论基础知识、假设检验、方差分析、卡方检验、回归分析和预测等. 作者以对话式风格来讲述主要内容，展示统计知识在现实世界中是如何应用的. “思考题”贯穿全书，鼓励学生利用所学知识求解问题. . 本书适合作为经济管理类本科生的统计学教材以及继续教育机构、培训机构、MBA相关课程的教材，也适合作为从事会计、市场营销、银行、金融服务等行业专业人士的参考书. ---------------------------1015005 - 统计学及其应用（原书第2版）--------------------------- 本书是一本简明的统计学入门书，每章都有丰富的图表、示例，深入浅出，易于理解。本书比一般大的大学教材更具实践性，不强调计算，而是强调统计推理，特别是思考数据、利用统计，何时以及如何应用各种统计检验，教读者在各种研究和应用领域使用和理解统计学。 ---------------------------4939969 - 线性回归分析导论（原书第5版）--------------------------- 本书是世界公认的“回归分析”权威教材，不仅从理论上介绍了当今统计学中用到的传统回归方法，还补充介绍了尖端科学研究中不太常见的回归方法. 本书前11章是核心内容，阐述简单回归、多元回归、诊断统计量、指示变量、有偏估计、多项式回归模型等主题，并简单讨论了用于回归模型验证的一系列方法以及如何处理强影响观测值、多重共线性问题. 最后4章介绍回归实践中比较重要的各种论题，包括非线性回归、广义线性模型、时间序列数据的回归模型、稳健回归、自助回归估计值、分类回归树、神经网络以及回归试验设计等. 书末还有5个附录，其中附录C简短地给出了理论性更强的某些其他论题，附录D介绍了使用SAS处理回归问题，附录E介绍了R. 本书适用于工程学、化学科学、物理科学、统计学、数学以及管理学等专业的各年级本科生与一年级研究生. ---------------------------3770868 - 数理统计学导论(原书第7版)--------------------------- 《数理统计学导论(原书第7版)》是数理统计方面的经典教材，从数理统计学的初级基本概念及原理开始，详细讲解概率与分布、多元分布、特殊分布、统计推断基础、极大似然法等内容，并且涵盖一些高级主题，如一致性与极限分布、充分性、最优假设检验、正态模型的推断、非参数与稳健统计、贝叶斯统计等.此外，为了帮助读者更好地理解数理统计和巩固所学知识，书中还提供了一些重要的背景材料、大量实例和习题. 《数理统计学导论(原书第7版)》可以作为高等院校数理统计相关课程的教材，也可供相关专业人员参考使用. ---------------------------3769165 - 随机过程基础(原书第2版)--------------------------- 《随机过程基础(原书第2版)》包括离散时间Markov链、Poisson过程、更新过程、连续时间Markov链、鞅和金融数学六章内容，涵盖了随机过程的核心知识点，涉及大量较新应用。书中内容完全以应用为导向，不涉及高深的理论证明或数学推导，极富思想性作者力求通过展示随机过程的实际应用来让学生学习这门学科，因此书中有大量的例子，还有200多道习题来加深读者对内容的理解。 《随机过程基础(原书第2版)》可作为各专业本科生或研究生的随机过程入门教材，也可作为相关老师和实际工作者的参考书。 ---------------------------3802480 - 金融数据分析导论：基于R语言--------------------------- 《金融数据分析导论：基于R语言》向读者展示了可视化金融数据的基本概念，共有7章内容，涉及R软件、线性时间序列分析、资产波动率的不同计算方法、波动率模型在金融中的实际应用、高频金融数据的处理、用于风险管理的量化方法等.贯通全书，作者都是通过R图形以可视化的形式把讨论主题展现给读者，并以两个详细案例展示了金融中统计学的应用. 《金融数据分析导论：基于R语言》是高年级本科生或研究生阶段学习时间序列和商务统计学的优秀教材.对于希望进一步加强对金融数据和当今金融市场理解的研究人员以及商业、金融和经济领域的从业者，该书也是极佳的选择. ---------------------------3801619 - 随机过程(原书第2版)--------------------------- 《随机过程(原书第2版)》从概率的角度而不是分析的角度来看待随机过程，书中介绍了随机过程的基本理论，包括Poisson过程、Markov链、鞅、 Brown运动、随机序关系、Poisson逼近等，并阐明这些理论在各领域的应用。书中有丰富的例子和习题，其中一些需要创造性地运用随机过程知识、系统地解决的实际问题，给读者提供了应用概率研究的实例。 《随机过程(原书第2版)》是随机过程的入门教材，没有用到测度论，仅以微积分及初等概率论知识为基础，适合作为统计学专业本科生以及其他理工和经管类专业研究生相关课程的教材，更值得相关研究人员和授课教师参考。 ---------------------------198301 - 数理统计与数据分析(原书第3版)--------------------------- 《数理统计与数据分析(原书第3版)》将现代统计学的重要思想引入数理统计课程中，强调了数据分析、图形工具和计算机技术，并注重统计的实务和应用. 本书内容丰富，几乎涵盖了所有经典和前沿的概率论与数理统计理论和方法，主要包括概率、随机变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、数据汇总、两样本比较、方差分析、分类数据分析和线性最小二乘等. 《数理统计与数据分析(原书第3版)》用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法. 此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力. 《数理统计与数据分析(原书第3版)》适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考. |
| 目录 |
| [套装书具体书目] 198301 - 数理统计与数据分析(原书第3版) - 9787111336464 - 机械工业出版社 - 定价 85 1015005 - 统计学及其应用（原书第2版） - 9787111533887 - 机械工业出版社 - 定价 119 3769165 - 随机过程基础(原书第2版) - 9787111447511 - 机械工业出版社 - 定价 45 3770868 - 数理统计学导论(原书第7版) - 9787111479512 - 机械工业出版社 - 定价 99 3801619 - 随机过程(原书第2版) - 9787111430292 - 机械工业出版社 - 定价 79 3802480 - 金融数据分析导论：基于R语言 - 9787111435068 - 机械工业出版社 - 定价 69 4939969 - 线性回归分析导论（原书第5版） - 9787111532828 - 机械工业出版社 - 定价 99 7502221 - 商务统计学 - 9787111589921 - 机械工业出版社 - 定价 139 8050637 - 统计学（原书第6版） - 9787111603658 - 机械工业出版社 - 定价 139 8068815 - 高维概率及其在数据科学中的应用 - 9787111652090 - 机械工业出版社 - 定价 79 ---------------------------8068815 - 高维概率及其在数据科学中的应用--------------------------- 本书赞誉 序言 前言 第0章 预备知识：用概率覆盖一个几何集1 0.1 后注3 第1章 随机变量的预备知识4 1.1 随机变量的数字特征4 1.2 一些经典不等式5 1.3 极限理论7 1.4 后注8 第2章 独立随机变量和的集中9 2.1 集中不等式的由来9 2.2 霍夫丁不等式11 2.3 切尔诺夫不等式14 2.4 应用：随机图的度数16 2.5 次高斯分布17 2.6 广义霍夫丁不等式和辛钦不等式22 2.7 次指数分布24 2.8 伯恩斯坦不等式28 2.9 后注30 第3章 高维空间的随机向量32 3.1 范数的集中32 3.2 协方差矩阵与主成分分析法34 3.3 高维分布举例38 3.4 高维次高斯分布42 3.5 应用：Grothendieck不等式与半正定规划46 3.6 应用：图的最大分割50 3.7 核技巧与Grothendieck不等式的改良52 3.8 后注55 第4章 随机矩阵57 4.1 矩阵基础知识57 4.2 网、覆盖数和填充数61 4.3 应用:纠错码64 4.4 随机次高斯矩阵的上界67 4.5 应用：网络中的社区发现70 4.6 次高斯矩阵的双侧界74 4.7 应用：协方差估计与聚类算法75 4.8 后注78 第5章 没有独立性的集中80 5.1 球面上利普希茨函数的集中80 5.2 其他度量空间的集中85 5.3 应用:Johnson-Lindenstrauss引理89 5.4 矩阵伯恩斯坦不等式92 5.5 应用：用稀疏网络进行社区发现98 5.6 应用：一般分布的协方差估计99 5.7 后注101 第6章 二次型、对称化和压缩103 6.1 解耦103 6.2 Hanson-Wright不等式106 6.3 各向异性随机向量的集中109 6.4 对称化110 6.5 元素不是独立同分布的随机矩阵112 6.6 应用：矩阵补全114 6.7 压缩原理116 6.8 后注118 第7章 随机过程119 7.1 基本概念与例子119 7.2 Slepian不等式122 7.3 高斯矩阵的精确界127 7.4 Sudakov最小值不等式129 7.5 高斯宽度131 7.6 稳定维数、稳定秩和高斯复杂度135 7.7 集合的随机投影137 7.8 后注140 第8章 链142 8.1 Dudley不等式142 8.2 应用：经验过程148 8.3 VC维数152 8.4 应用：统计学习理论161 8.5 通用链166 8.6 Talagrand优化测度和比较定理169 8.7 Chevet不等式170 8.8 后注172 第9章 随机矩阵的偏差与几何结论174 9.1 矩阵偏差不等式174 9.2 随机矩阵、随机投影及协方差估计179 9.3 无限集上的Johnson-Lindenstrauss引理181 9.4 随机截面:M界和逃逸定理183 9.5 后注186 第10章 稀疏恢复187 10.1 高维信号恢复问题187 10.2 基于M界的信号恢复188 10.3 稀疏信号的恢复189 10.4 低秩矩阵的恢复192 10.5 精确恢复和RIP194 10.6 稀疏回归的Lasso算法199 10.7 后注203 第11章 Dvoretzky-Milman定理204 11.1 随机矩阵关于一般范数的偏差204 11.2 Johnson-Lindenstrauss嵌入和更精确的Chevet不等式206 11.3 Dvoretzky-Milman定理208 11.4 后注211 练习提示212 参考文献217 索引226 ---------------------------8050637 - 统计学（原书第6版）--------------------------- 译者序 前言 第1章 绪论1 活动中的统计学： 田纳西河中鱼的DDT污染1 1.1 统计学： 数据的科学1 1.2 统计学的基本要素2 1.3 数据类型4 1.4 收集数据： 抽样6 1.5 统计学在批判性思考中的作用11 1.6 本书介绍的统计方法导引12 活动中的统计学回顾： 田纳西河中鱼的DDT 污染——确定数据收集的方法、 总体、 样本和数据类型13 第2章 描述性统计15 活动中的统计学： 亚拉巴马州田纳西河中污染鱼的特征15 2.1 描述定性数据的图形法和数值法15 2.2 描述定量数据的图形法20 2.3 描述定量数据的数值法27 2.4 中心趋势的度量28 2.5 变异性的度量33 2.6 相对位置的度量38 2.7 检测异常值的方法40 2.8 描述性统计歪曲事实真相44 活动中的统计学回顾: 亚拉巴马州田纳西河中污染鱼的特征48 第3章 概率58 活动中的统计学： NASA太空船仪表码中的软件缺陷评估预测器58 3.1 概率在统计学中的作用58 3.2 事件、 样本空间和概率59 3.3 复合事件67 3.4 补事件69 3.5 条件概率72 3.6 并和交的概率法则76 *3.7 贝叶斯法则84 3.8 计数法则87 3.9 概率和统计的示例96 活动中的统计学回顾： NASA太空船仪表码中的软件缺陷评估预测器97 第4章 离散随机变量104 活动中的统计学： “一次性”装置的可靠性104 4.1 离散随机变量的定义104 4.2 离散随机变量的概率分布105 4.3 随机变量的期望值109 4.4 一些有用的期望值定理112 4.5 伯努利试验113 4.6 二项概率分布114 4.7 多项概率分布120 4.8 负二项概率分布和几何概率分布124 4.9 超几何概率分布128 4.10 泊松概率分布131 *4.11 矩和矩母函数137 活动中的统计学回顾: “一次性”装置的可靠性139 第5章 连续随机变量146 活动中的统计学： 超级武器的开发——优化命中率146 5.1 连续随机变量的定义146 5.2 连续随机变量的密度函数148 5.3 连续随机变量的期望值150 5.4 均匀概率分布154 5.5 正态概率分布156 5.6 判定正态性的描述性方法161 5.7 Γ型概率分布166 5.8 威布尔概率分布170 5.9 β型概率分布173 *5.10 矩和矩母函数176 活动中的统计学回顾： 超级武器的开发——优化命中率177 第6章 二元概率分布及抽样分布185 活动中的统计学： Up/Down维修系统的可用性185 6.1 离散随机变量的二元概率分布185 6.2 连续随机变量的二元概率分布190 6.3 两个随机变量函数的期望值193 6.4 独立性194 6.5 两个随机变量的协方差和相关性196 *6.6 随机变量函数的概率分布和期望值199 6.7 抽样分布205 6.8 用蒙特卡罗模拟逼近抽样分布205 6.9 均值与和的抽样分布208 6.10 二项分布的正态逼近212 6.11 与正态分布有关的抽样分布215 活动中的统计学回顾： Up/Down维修系统的可用性219 第7章 用置信区间估计227 活动中的统计学： PET饮料瓶的破裂强度227 7.1 点估计及其性质227 7.2 求点估计： 经典估计方法231 7.3 求区间估计: 枢轴法236 7.4 总体均值的估计242 7.5 两个总体均值差的估计: 独立样本247 7.6 两个总体均值差的估计: 配对253 7.7 总体比率的估计259 7.8 两个总体比率差的估计262 7.9 总体方差的估计265 7.10 两个总体方差比的估计269 7.11 选择样本容量273 *7.12 其他区间估计方法: 自助法和贝叶斯法276 活动中的统计学回顾： PET饮料瓶的破裂强度281 第8章 假设检验292 活动中的统计学： 比较溶解药片方法——溶解方法等效性检验292 8.1 假设统计检验与置信区间的关系293 8.2 统计检验的要素与性质293 8.3 求统计检验: 经典方法298 8.4 选择原假设和备择假设301 8.5 检验的观测显著性水平302 8.6 检验总体均值304 8.7 检验两个总体均值的差: 独立样本311 8.8 检验两个总体均值的差： 配对319 8.9 检验总体比率324 8.10 检验两个总体比率的差327 8.11 检验总体方差332 8.12 检验两个总体方差的比335 *8.13 其他检验方法: 自助法和贝叶斯法340 活动中的统计学回顾：比较溶解药片方法——溶解方法等效性检验344 第9章 分类数据分析354 活动中的统计学： 残忍的组织移植案例——谁应该为损害赔偿负责354 9.1 分类数据和多项概率355 9.2 估计单向表中的类型概率355 9.3 检验单向表中的类型概率359 9.4 关于双向表(列联表)中类型概率的推断363 9.5 固定边缘和的列联表369 *9.6 列联表分析中独立性的精确检验373 活动中的统计学回顾： 残忍的组织移植案例——谁应该为损害赔偿负责379 第10章 简单线性回归387 活动中的统计学： 探矿魔杖真的能发现水吗387 10.1 回归模型388 10.2 模型假定389 10.3 估计β0和β1： 最小二乘法391 10.4 最小二乘估计的性质401 10.5 σ2的估计量403 10.6 评价模型的效用： 进行关于斜率β1的推断406 10.7 相关系数和决定系数411 10.8 利用模型估计和预测418 10.9 检验假定： 残差分析425 10.10 一个完整的例子434 10.11 简单线性回归步骤小结437 活动中的统计学回顾： 探矿魔杖真的能发现水吗437 第11章 多重回归分析447 活动中的统计学：高速公路建设中的串通投标447 11.1 多重回归模型的一般形式447 11.2 模型假定448 11.3 拟合模型: 最小二乘法449 11.4 用矩阵代数计算: 关于单个β参数的估计和推断450 11.5 评价整体模型的恰当性457 11.6 E(y)的置信区间和未来值y的预测区间460 11.7 定量预测量的一阶模型468 11.8 定量预测量的交互作用模型478 11.9 定量预测量的二阶(二次)模型482 11.10 回归残差和异常值489 11.11 某些陷阱: 可估性、 多重共线性和外推500 11.12 多重回归分析步骤小结507 活动中的统计学回顾: 高速公路建设中的串通投标507 第12章 模型构建522 活动中的统计学: 取消州内货车运输业管制522 12.1 引言: 为什么模型构建很重要522 12.2 自变量的两种类型: 定量的和定性的523 12.3 一元定量自变量模型525 12.4 二元或多元定量自变量模型531 *12.5 编码定量自变量539 12.6 一元定性自变量模型543 12.7 定量和定性自变量模型549 12.8 比较嵌套模型的检验558 *12.9 外部模型确认564 12.10 逐步回归566 活动中的统计学回顾: 取消州内货车运输业管制572 第13章 试验设计的原理586 活动中的统计学： 加锌环氧涂层的防腐行为586 13.1 引言586 13.2 试验设计术语587 13.3 控制试验中的信息588 13.4 减少噪声的设计589 13.5 增加容量设计594 13.6 选择样本容量598 13.7 随机化的重要性601 活动中的统计学回顾: 加锌环氧涂层的防腐行为601 第14章 试验设计的方差分析606 活动中的统计学: 房地产开发中的污染物——一个小样本情况下处理不当的案例606 14.1 引言606 14.2 方差分析中的逻辑606 14.3 单因子完全随机化设计608 14.4 随机化区组设计618 14.5 双因子析因试验629 *14.6 更复杂的析因设计645 *14.7 套式抽样设计653 14.8 处理均值的多重比较662 14.9 检查ANOVA假定668 活动中的统计学回顾: 房地产开发中的污染物——一个小样本情况下处理不当的案例671 第15章 非参数统计685 活动中的统计学： 新罕布什尔州的地下井水污染如此脆弱685 15.1 引言： 分布自由检验685 15.2 检验单个总体的位置686 15.3 比较两个总体： 独立随机样本691 15.4 比较两个总体： 配对设计697 15.5 比较三个或更多总体： 完全随机化设计704 15.6 比较三个或更多总体： 随机化区组设计708 15.7 非参数回归711 活动中的统计学回顾： 新罕布什尔州的地下井水污染如此脆弱717 第16章 统计过程和质量控制729 活动中的统计学： 喷气式飞机燃料添加剂安全性测试729 16.1 全面质量管理730 16.2 变量控制图730 16.3 均值控制图： x图735 16.4 过程变异控制图： R图742 16.5 发现控制图中的趋势： 游程分析748 16.6 不合格品百分率控制图： p图749 16.7 每个个体缺陷数控制图： c图754 16.8 容许限757 *16.9 能力分析760 16.10 不合格品的抽样验收767 *16.11 其他抽样计划770 *16.12 调优操作771 活动中的统计学回顾： 喷气式飞机燃料添加剂安全性测试771 第17章 产品和系统的可靠性781 活动中的统计学： 建立钢筋混凝土桥面恶化的危险率模型781 17.1 引言781 17.2 失效时间分布781 17.3 危险率782 17.4 寿命试验： 删失抽样785 17.5 估计指数失效时间分布的参数786 17.6 估计威布尔失效时间分布的参数789 17.7 系统可靠性793 活动中的统计学回顾： 建立钢筋混凝土桥面恶化的危险率模型797 附录A 矩阵代数802 附录B 有用的统计表814 附录C SAS的Windows指导848 附录D MINITAB的Windows指导873 附录E SPSS的Windows指导893 参考文献911 部分奇数练习答案919 ---------------------------7502221 - 商务统计学--------------------------- 译者序 前言 关于作者 致学生 第1章 商务统计学简介1 1.1 商务统计学及其应用1 1.1.1 市场调研1 1.1.2 广告宣传2 1.1.3 商业运营2 1.1.4 财政金融2 1.2 数据2 1.2.1 数据来源3 1.2.2 两个主要数据类型5 1.2.3 通过计量水平对数据分类6 1.2.4 时间序列与截面数据8 1.3 描述统计学与推断统计学9 1.4 道德与统计学——数据的危险世界11 复习题12 第2章 描述统计学14 2.1 技术在统计学中的作用15 2.1.1 用Excel 2010执行统计分析16 2.1.2 安装PHStat217 2.2 描述定量数据17 2.2.1 定量数据的频率分布17 2.2.2 相对频率分布18 2.2.3 累积相对频率分布19 2.2.4 Excel的FREQUENCY函数19 2.2.5 用直方图表示频率分布19 2.2.6 直方图的形状22 2.2.7 用分组定量数据构造频率分布23 2.2.8 构造分组定量数据直方图25 2.2.9 分组太多和太少的后果26 2.2.10 离散数据还是连续数据27 2.2.11 折线图29 2.3 描述定性数据34 2.3.1 定性数据的频率分布34 2.3.2 条形图35 2.3.3 帕累托图40 2.3.4 饼图42 2.4 列联表46 2.5 茎叶显示50 2.6 散点图52 复习题57 第3章 计算描述统计学61 3.1 集中趋势的度量61 3.1.1 均值61 3.1.2 加权平均值63 3.1.3 用均值归纳数据的优缺点64 3.1.4 中位数65 3.1.5 众数67 3.1.6 频率分布的形状68 3.1.7 用Excel计算均值、中位数和众数69 3.1.8 选哪种集中趋势度量方法：均值、中位数还是众数72 3.2 变异性的度量73 3.2.1 极差74 3.2.2 方差和标准差74 3.3 共同使用均值和标准差82 3.3.1 变异系数83 3.3.2 z值84 3.3.3 经验法则87 3.3.4 切比雪夫定理88 3.4 处理分组数据91 3.4.1 分组数据的均值91 3.4.2 分组数据的方差和标准差92 3.5 相对位置的度量94 3.5.1 百分位数94 3.5.2 四分位数98 3.5.3 盒须图100 3.5.4 五数概括法102 本章主要公式104 复习题105 第4章 概率109 4.1 概率简介109 4.1.1 传统概率110 4.1.2 经验概率111 4.1.3 主观概率112 4.1.4 概率的基本属性113 4.2 多事件的概率规则116 4.2.1 事件的交集116 4.2.2 事件的并集117 4.2.3 加法法则118 4.2.4 条件概率120 4.2.5 相互独立事件与相依事件122 4.2.6 乘法法则123 4.2.7 概率列联表126 4.2.8 互斥事件和相互独立事件127 4.2.9 贝叶斯定理128 4.3 计数原理133 4.3.1 基本计数原理134 4.3.2 排列136 4.3.3 组合137 本章主要公式140 复习题140 第5章 离散型概率分布144 5.1 离散型概率分布简介145 5.1.1 离散型随机变量145 5.1.2 离散型概率分布的规则145 5.1.3 离散型概率分布的均值146 5.1.4 离散型概率分布的方差和标准差147 5.1.5 预期货币价值152 5.2 二项分布154 5.2.1 二项试验的特征154 5.2.2 二项分布的应用155 5.2.3 二项分布的均值和标准差159 5.2.4 二项概率表160 5.2.5 用Excel和PHStat2计算二项概率161 5.3 泊松分布166 5.3.1 泊松过程的特征166 5.3.2 泊松概率分布的应用167 5.3.3 用泊松分布计算到达概率169 5.3.4 泊松概率表170 5.3.5 用Excel和PHStat2计算泊松概率171 5.3.6 用泊松分布近似二项分布174 5.4 超几何分布177 5.4.1 计算超几何分布的概率177 5.4.2 用Excel和PHStat2计算超几何概率180 本章主要公式183 复习题183 第6章 连续型概率分布188 6.1 连续型随机变量188 6.2 正态概率分布190 6.2.1 正态概率分布的特征190 6.2.2 用标准正态概率表计算正态分布的概率191 6.2.3 重温经验法则197 6.2.4 其他正态概率区间197 6.2.5 用Excel计算正态概率200 6.2.6 用正态分布近似二项分布203 6.3 指数概率分布208 6.3.1 计算指数概率209 6.3.2 用Excel计算指数概率211 6.4 均匀概率分布213 本章主要公式217 复习题217 第7章 抽样和抽样分布222 7.1 为什么抽样222 7.2 抽样类型223 7.2.1 概率抽样223 7.2.2 非概率抽样229 7.3 抽样误差和非抽样误差230 7.4 中心极限定理233 7.4.1 中心极限定理的应用237 7.4.2 中心极限定理在检验断言中的应用238 7.4.3 样本容量对抽样分布的作用240 7.4.4 有限总体均值的抽样分布241 7.5 比例的抽样分布246 本章主要公式250 复习题251 第8章 置信区间253 8.1 点估计253 8.2 总体标准差σ已知时均值的置信区间计算254 8.2.1 边际误差的计算256 8.2.2 置信区间的解释257 8.2.3 置信水平的改变259 8.2.4 置信区间在商务中的应用261 8.2.5 用Excel和PHStat2确定σ已知时均值的置信区间261 8.2.6 总体标准差σ已知时小样本均值的置信区间计算263 8.3 总体标准差σ未知时均值的置信区间计算265 8.3.1 学生t分布的使用265 8.3.2 用Excel和PHStat2确定σ未知时均值的置信区间269 8.4 比例的置信区间计算272 8.5 样本容量的确定276 8.5.1 估计总体均值时样本容量的计算276 8.5.2 用PHStat2计算估计总体均值时的样本容量277 8.5.3 估计总体比例时样本容量的计算279 8.5.4 用PHStat2计算估计总体比例时的样本容量280 8.6 有限总体置信区间的计算282 本章主要公式285 复习题286 第9章 单个总体的假设检验289 9.1 假设检验简介289 9.1.1 假设的设定289 9.1.2 双尾假设检验290 9.1.3 单尾假设检验291 9.1.4 假设检验的逻辑291 9.1.5 假设表述的设定总结292 9.1.6 Ⅰ型错误和Ⅱ型错误的区别293 9.2 σ已知时总体均值的假设检验294 9.2.1 一个对σ已知时总体均值单尾假设检验的例子295 9.2.2 假设检验的p值法：单尾检验298 9.2.3 一个对σ已知时总体均值双尾假设检验的例子299 9.2.4 假设检验的p值法：双尾检验301 9.2.5 假设检验中α的作用302 9.2.6 用PHStat2进行σ已知时总体均值的假设检验303 9.3 σ未知时总体均值的假设检验306 9.3.1 一个对σ未知时总体均值单尾假设检验的例子306 9.3.2 用学生t分布估计p值309 9.3.3 一个对σ未知时总体均值双尾假设检验的例子310 9.3.4 用PHStat2进行σ未知时总体均值的假设检验311 9.4 总体比例的假设检验314 9.4.1 一个对比例单尾假设检验的例子315 9.4.2 对比例假设检验的p值法316 9.4.3 用PHStat2进行比例的假设检验317 9.5 Ⅱ型错误319 9.5.1 计算Ⅱ型错误发生的概率319 9.5.2 α对β的作用323 本章主要公式326 复习题326 第10章 比较两总体的假设检验330 10.1 比较两总体均值：独立样本，总体标准差σ1和σ2已知330 10.1.1 比较两均值之差的假设检验：独立样本，σ1和σ2已知332 10.1.2 用PHStat2进行比较两均值之差的假设检验：独立样本，σ1和σ2已知335 10.1.3 用置信区间比较两均值之差：独立样本，σ1和σ2已知336 10.2 比较两总体均值：独立样本，总体标准差σ1和σ2未知339 10.2.1 比较两均值之差的假设检验：独立样本，σ1和σ2未知，总体方差相等339 10.2.2 用置信区间比较两均值之差：独立样本，σ1和σ2未知，总体方差相等342 10.2.3 用PHStat2进行比较两均值之差的假设检验：独立样本，σ1和σ2未知，总体方差相等343 10.2.4 比较两均值之差的假设检验：独立样本，σ1和σ2未知，总体方差不相等345 10.2.5 用PHStat2进行比较两均值之差的假设检验：独立样本，σ1和σ2未知，总体方差不相等347 10.2.6 用Excel进行比较两均值之差的假设检验：独立样本，σ1和σ2未知，总体方差不相等349 10.2.7 对总体均值之差不为0的检验351 10.3 相关样本的假设检验354 10.3.1 比较相关样本两均值之差的假设检验354 10.3.2 用Excel进行比较相关样本两均值之差的假设检验357 10.3.3 用置信区间比较相关样本的两均值之差360 10.4 独立样本的两总体比例比较362 10.4.1 用置信区间比较两比例之差365 10.4.2 比较两比例之差的假设检验365 10.4.3 用PHStat2比较两总体比例367 本章主要公式371 复习题373 第11章 方差分析过程378 11.1 单因素ANOVA：检验单因素对总体均值的作用379 11.1.1 用Excel进行单因素方差分析389 11.1.2 多重比较：比较成对总体均值（单因素ANOVA）391 11.1.3 用PHStat2进行总体均值的多重比较394 11.2 随机化区组ANOVA：通过对第二因子分区组检验单因素的作用397 11.2.1 用Excel进行随机化区组方差分析403 11.2.2 要不要分区组：这是个问题405 11.2.3 多重比较：比较成对总体均值（随机化区组ANOVA）410 11.3 双因素ANOVA：检验双因素对总体均值的作用414 11.3.1 用Excel进行双因素方差分析415 11.3.2 双因素ANOVA的均方和417 11.3.3 解释双因素ANOVA的输出结果419 11.3.4 再论交互作用422 11.3.5 多重比较：比较成对总体均值（双因素ANOVA）425 本章主要公式430 复习题431 第12章 卡方检验434 12.1 两个及以上总体比例的比较435 12.2 判定观测频率是否服从已知概率分布443 12.2.1 关于离散型概率分布的检验443 12.2.2 关于泊松分布的检验445 12.2.3 关于二项分布的检验449 12.2.4 关于正态分布的检验452 12.3 两个变量独立性的检验459 本章主要公式466 复习题466 第13章 关于总体方差的假设检验471 13.1 单总体方差的检验471 13.1.1 单总体方差的单尾假设检验471 13.1.2 用PHStat2进行总体方差的检验474 13.1.3 单总体方差的双尾假设检验475 13.2 比较两总体方差479 13.2.1 两总体方差的单尾检验479 13.2.2 用Excel进行两总体方差的比较481 13.2.3 两总体方差的双尾检验483 13.2.4 用PHStat2进行两总体方差的比较485 本章主要公式487 复习题488 第14章 相关性与简单回归分析491 14.1 因变量和自变量492 14.2 相关分析492 14.2.1 相关系数493 14.2.2 用Excel计算相关系数495 14.2.3 相关系数显著性的假设检验495 14.3 简单回归分析497 14.3.1 最小二乘法498 14.3.2 斜率和y轴截距的计算499 14.3.3 用Excel计算斜率和y轴截距500 14.3.4 分解平方和502 14.3.5 决定系数的计算504 14.3.6 决定系数显著性的假设检验505 14.4 利用回归进行预测508 14.4.1 值x已知时关于y的平均值的置信区间508 14.4.2 值x已知时关于特定y值的预测区间510 14.4.3 用PHStat2计算置信区间和预测区间511 14.5 回归方程斜率的显著性检验513 14.6 关于回归分析的假设517 14.7 一个相关系数为负时简单线性回归的例子520 14.7.1 相关系数521 14.7.2 斜率和y轴截距的计算522 14.7.3 相关系数为负时分解平方和523 14.7.4 决定系数的计算524 14.7.5 相关系数为负时计算置信区间和预测区间524 14.7.6 相关系数为负时回归斜率显著性的检验526 14.8 一些非常重要的最终想法528 本章主要公式529 复习题529 第15章 多元回归与建模533 15.1 多元回归模型的构造533 15.1.1 确定回归系数534 15.1.2 利用回归模型进行预测536 15.2 解释因变量的变异539 15.2.1 多重决定系数539 15.2.2 回归模型显著性的检验541 15.2.3 修正的多重决定系数543 15.3 关于自变量的推断547 15.3.1 回归系数的显著性检验547 15.3.2 回归系数的置信区间549 15.4 定性自变量的运用552 15.5 建立模型558 15.5.1 多重共线性558 15.5.2 一般逐步回归分析法563 15.5.3 最小子集回归分析法565 15.5.4 其他的选择法569 15.5.5 残差分析569 15.5.6 建模小结572 本章主要公式574 复习题575 第16章 预测578 16.1 预测简介578 16.2 平滑预测法580 16.2.1 简单移动平均法预测580 16.2.2 加权移动平均法预测583 16.2.3 指数平滑法预测585 16.2.4 指数平滑法的趋势调整预测587 16.3 回归分析预测592 16.3.1 趋势外推法592 16.3.2 用PHStat2进行趋势外推596 16.3.3 自相关的检验597 16.4 季节性预测法605 16.4.1 时间序列的乘法分解法605 16.4.2 用虚拟变量代表季节性614 本章主要公式621 复习题621 附录A 常用表格624 单位换算表668 思考题答案 附录B 偶数复习题答案 思考题答案和附录B可从华章网站（www.hzbook.com）下载．——编辑注 ---------------------------1015005 - 统计学及其应用（原书第2版）--------------------------- 前言 第1章测量的基本概念 测量 测量水平 真实分数和误差分数 信度和效度 测量偏倚 练习 第2章概率 关于公式 基本概念 概率的定义 贝叶斯定理 统计方法 练习 第3章推断统计 概率分布 自变量和因变量 总体和样本 中心极限定理 假设检验 置信区间 p值 Z统计量 数据变换 练习 第4章描述统计和统计图 总体和样本 集中趋势测度 离散测度 离群点 图示法 条形图 双变量图 练习 第5章分类数据分析 RxC列联表 卡方分布 卡方检验 费希尔精确检验 McNemar配对检验 比例：大样本情况 分类数据的相关性 李克特量表与语义差异量表 练习 第6章f检验 f分布 单样本f检验 重复观测样本c检验 异方差f检验 练习 第7章Pearson相关系数 相关性 散点图 Pearson相关系数 判定系数 练习 第8章回归分析和方差分析导论 广义线性模型 线性回归 方差分析 手算简单的回归分析 练习 第9章多因素方差分析和协方差分析 多因素方差分析 协方差分析 练习 第10章多元线性回归 多元线性回归模型 练习 第ll章Logistic回归、多项Logistic回归和多项式回归 Logistic回归 多项Logistic回归 多项式回归 过拟合 练习 第1 2章因子分析、聚类分析和判别函数分析 因子分析 聚类分析 判别函数分析 练习 第13章非参数统计 组间设计 组内设计 练习 第1 4章商业和质量改进统计 指数 时间序列 决策分析 质量改进 练习 第1 5章医学和流行病学统计 发病频率的测量 比、比例和比率 患病率和发病率 粗比率、特定类别比率和标准比率 风险比 几率比 混淆、分层分析和Mantel-Haenszel常见几率比 势分析 样本量的计算 练习 第1 6章教育和心理统计 百分位 标准化得分 测验编制 经典测验理论：真分数模型 综合考试的信度 内部一致性测度 题目分析 题目反应理论 练习 第17章数据管理 一个方法，而不是一堆诀窍 管理系统 码本 矩形数据文件 电子表格和关系数据库 检查新的数据文件 字符串数据和数值数据 缺失数据 第1 8章研究设计 研究设计基础 观察研究 ’ 拟试验研究 试验研究 收集试验数据 试验设计的例子 第1 9章用统计交流 一般的注意事项 第20章统计评论 评价整篇文章 统计的误用 常见问题 快速核查表 研究设计中的问题 描述统计 推断统计 附录A基本数学知识 附录B统计软件包简介 附录C参考文献 附录D常见分布的概率表 附录E在线资源 附录F统计术语表 ---------------------------4939969 - 线性回归分析导论（原书第5版）--------------------------- 译者序 前言 第1章 导引1 1.1 回归与建模1 1.2 数据收集4 1.3 回归的用途7 1.4 计算机的角色7 第2章 简单线性回归9 2.1 简单线性回归模型9 2.2 回归参数的最小二乘估计9 2.2.1 β0与β1的估计9 2.2.2 最小二乘估计量的性质与回归模型拟合13 2.2.3 σ2的估计14 2.2.4 简单线性回归模型的另一种形式15 2.3 斜率与截距的假设检验15 2.3.1 使用t检验16 2.3.2 回归显著性检验16 2.3.3 方差分析18 2.4 简单线性回归的区间估计20 2.4.1 β0、β1与σ2的置信区间20 2.4.2 响应变量均值的区间估计21 2.5 新观测值的预测23 2.6 决定系数24 2.7 回归在服务业中的应用25 2.8 使用SAS和R做回归分析27 2.9 对回归用途的若干思考29 2.10 过原点回归31 2.11 极大似然估计35 2.12 回归变量x为随机变量的情形36 2.12.1 x与y的联合分布36 2.12.2 x与y的正态联合分布：相关模型37 习题40 第3章 多元线性回归47 3.1 多元回归模型47 3.2 模型参数的估计49 3.2.1 回归系数的最小二乘估计49 3.2.2 最小二乘法的几何解释55 3.2.3 最小二乘估计量的性质55 3.2.4 σ2的估计56 3.2.5 多元回归中散点图的不适用性57 3.2.6 极大似然估计58 3.3 多元回归中的假设检验59 3.3.1 回归显著性检验59 3.3.2 单个回归系数的检验与回归系数子集的检验61 3.3.3 X中列为正交列的特例65 3.3.4 一般线性假设的检验66 3.4 多元回归中的置信区间68 3.4.1 回归系数的置信区间68 3.4.2 响应变量均值的置信区间估计69 3.4.3 回归系数的联合置信区间70 3.5 新观测值的预测72 3.6 病人满意度数据的多元回归模型73 3.7 对基本多元线性回归使用SAS与R74 3.8 多元回归中所隐含的外推法77 3.9 标准化回归系数79 3.10 多重共线性82 3.11 回归系数为什么有错误的正负号84 习题85 第4章 模型适用性检验91 4.1 导引91 4.2 残差分析91 4.2.1 残差的定义91 4.2.2 残差尺度化方法92 4.2.3 残差图97 4.2.4 偏回归图与偏残差图100 4.2.5 使用Minitab、SAS与R做残差分析102 4.2.6 残差的其他作图与分析方法104 4.3 PRESS统计量105 4.4 离群点的探测与处理106 4.5 回归模型的失拟108 4.5.1 失拟的正规检验109 4.5.2 通过近邻点估计纯误差112 习题116 第5章 修正模型不适用性的变换与加权120 5.1 导引120 5.2 方差稳定化变换120 5.3 模型线性化变换123 5.4 选择变换的分析方法127 5.4.1 对y进行变换：博克斯考克斯方法127 5.4.2 对回归变量进行变换129 5.5 广义最小二乘与加权最小二乘131 5.5.1 广义最小二乘131 5.5.2 加权最小二乘133 5.5.3 若干实用问题133 5.6 带有随机效应的回归模型135 5.6.1 子抽样135 5.6.2 含有单一随机效应的回归模型的一般情形140 5.6.3 混合模型在回归中的重要性142 习题142 第6章 杠杆与强影响的诊断149 6.1 探测强影响观测值的重要性149 6.2 杠杆150 6.3 强影响的度量：库克D距离152 6.4 强影响的度量：DFFITS与DFBETAS153 6.5 模型性能的度量155 6.6 探测强影响观测值的群体156 6.7 强影响观测值的处理156 习题157 第7章 多项式回归模型158 7.1 导引158 7.2 单变量的多项式模型158 7.2.1 基本原理158 7.2.2 分段多项式拟合（样条）162 7.2.3 多项式与三角式166 7.3 非参数回归167 7.3.1 核回归167 7.3.2 局部加权回归168 7.3.3 最后的警告171 7.4 两个或更多变量的多项式模型171 7.5 正交多项式177 习题180 第8章 指示变量185 8.1 指示变量的一般概念185 8.2 关于指示变量用途的评注194 8.2.1 指示变量与指定代码回归194 8.2.2 用指示变量代替定量回归变量195 8.3 方差分析的回归方法195 习题199 第9章 多重共线性203 9.1 导引203 9.2 多重共线性的来源203 9.3 多重共线性的影响205 9.4 多重共线性的诊断209 9.4.1 考察协方差矩阵209 9.4.2 方差膨胀因子212 9.4.3 X′X的特征系统分析213 9.4.4 其他诊断量216 9.4.5 生成多重共线性诊断量的SAS代码与R代码217 9.5 处理多重共线性的方法217 9.5.1 收集额外数据217 9.5.2 模型重设218 9.5.3 岭回归218 9.5.4 主成分回归225 9.5.5 有偏估计量的比较与评估230 9.6 使用SAS做岭回归与主成分回归231 习题233 第10章 变量选择与模型构建236 10.1 导引236 10.1.1 模型构建问题236 10.1.2 模型误设的后果237 10.1.3 评估子集回归模型的准则239 10.2 变量选择的计算方法243 10.2.1 所有可能的回归243 10.2.2 逐步回归方法248 10.3 变量选择与模型构建的策略252 10.4 案例研究：使用SAS研究Gorman和Toman沥青数据254 习题266 第11章 回归模型的验证269 11.1 导引269 11.2 模型验证的方法269 11.2.1 模型系数与预测值的分析270 11.2.2 收集新数据——确认性试验271 11.2.3 数据分割272 11.3 来自试验设计的数据279 习题280 第12章 非线性回归导引282 12.1 线性回归模型与非线性回归模型282 12.1.1 线性回归模型282 12.1.2 非线性回归模型282 12.2 非线性模型的起源283 12.3 非线性最小二乘285 12.4 将非线性模型变换为线性模型287 12.5 非线性系统中的参数估计289 12.5.1 线性化289 12.5.2 参数估计的其他方法294 12.5.3 初始值295 12.6 非线性回归中的统计推断296 12.7 非线性模型的实例297 12.8 使用SAS与R298 习题301 第13章 广义线性模型305 13.1 导引305 13.2 逻辑斯蒂回归模型305 13.2.1 有二值响应变量的模型305 13.2.2 逻辑斯蒂回归模型中的参数估计307 13.2.3 解释逻辑斯蒂回归模型中的参数310 13.2.4 模型参数的统计推断311 13.2.5 逻辑斯蒂回归中的诊断检验318 13.2.6 二值响应数据的其他模型319 13.2.7 分类回归变量的结果多于两个320 13.3 泊松回归321 13.4 广义线性模型326 13.4.1 连接函数与线性预测项326 13.4.2 GLM的参数估计与推断327 13.4.3 使用GLM进行预测与估计330 13.4.4 GLM中的残差分析331 13.4.5 使用R做GLM分析333 13.4.6 超散布性335 习题335 第14章 时间序列数据的回归分析344 14.1 时间序列数据的回归模型导引344 14.2 自相关的探测：杜宾沃森检验344 14.3 时间序列回归模型中的参数估计348 习题361 第15章 使用回归分析时的其他论题364 15.1 稳健回归364 15.1.1 为什么需要稳健回归364 15.1.2 M-估计量366 15.1.3 稳健估计量的性质372 15.2 测量误差对回归的影响373 15.2.1 简单线性回归373 15.2.2 博克森模型374 15.3 逆估计——校准问题374 15.4 回归自助法377 15.4.1 回归中的自助抽样378 15.4.2 自助置信区间378 15.5 分类回归树（CART）382 15.6 神经网络384 15.7 回归试验设计386 习题393 附录A 统计用表395 附录B 习题数据集406 附录C 统计方法的补充内容425 附录D SAS导论453 附录E R导论并用R做线性回归461 参考文献464 索引479 ---------------------------3770868 - 数理统计学导论(原书第7版)--------------------------- 《数理统计学导论(原书第7版)》 推荐序 译者序 前言 第1章概率与分布1 1.1引论1 1.2集合理论2 1.3概率集函数8 1.4条件概率与独立性16 1.5随机变量24 1.6离散随机变量31 1.6.1变量变换32 1.7连续随机变量34 1.7.1变量变换36 1.8随机变量的期望40 1.9某些特殊期望45 1.10重要不等式52 第2章多元分布57 2.1二元随机变量的分布57 2.1.1期望61 2.2二元随机变量变换65 2.3条件分布与期望72 2.4相关系数78 2.5独立随机变量84 2.6多元随机变量的推广90 2.6.1*多元变量的方差协方差矩阵 2.7多个随机向量的变换96 2.8随机变量的线性组合102 第3章某些特殊分布106 3.1二项分布及有关分布106 3.2泊松分布114 3.3Γ,χ2以及β分布118 3.4正态分布127 3.4.1污染正态分布132 3.5多元正态分布135 3.5.1*应用139 3.6t分布与F分布143 3.6.1t分布143 3.6.2F分布144 3.6.3学生定理146 3.7混合分布148 第4章统计推断基础154 4.1抽样与统计量154 4.1.1pmf与pdf的直方图估计157 4.2置信区间162 4.2.1均值之差的置信区间164 4.2.2比例之差的置信区间166 4.3离散分布参数的置信区间169 4.4次序统计量172 4.4.1分位数175 4.4.2分位数置信区间178 4.5假设检验181 4.6统计检验的深入研究188 4.7卡方检验192 4.8蒙特卡罗方法198 4.8.1筛选生成算法203 4.9自助法206 4.9.1百分位数自助置信区间206 4.9.2自助检验法209 *4.10分布容许限215 第5章一致性与极限分布218 5.1依概率收敛218 5.2依分布收敛221 5.2.1概率有界226 5.2.2Δ方法227 5.2.3矩母函数方法228 5.3中心极限定理231 5.4多变量分布的推广236 第6章极大似然法241 6.1极大似然估计241 6.2拉奥克拉默下界与有效性246 6.3极大似然检验256 6.4多参数估计263 6.5多参数检验270 6.6EM算法276 第7章充分性283 7.1估计量品质的测量283 7.2参数的充分统计量287 7.3充分统计量的性质293 7.4完备性与唯一性296 7.5指数分布类300 7.6参数的函数303 7.7多参数的情况308 7.8最小充分性与从属统计量313 7.9充分性、完备性以及独立性319 第8章最优假设检验324 8.1最大功效检验324 8.2一致最大功效检验332 8.3似然比检验338 8.4序贯概率比检验347 8.5极小化极大与分类方法352 8.5.1极小化极大方法353 8.5.2分类355 第9章正态模型的推断358 9.1二次型358 9.2单向方差分析362 9.3非中心χ2分布与F分布365 9.4多重比较法367 9.5方差分析371 9.6回归问题376 9.7独立性检验383 9.8某些二次型分布386 9.9某些二次型的独立性390 第10章非参数与稳健统计学396 10.1位置模型396 10.2样本中位数与符号检验398 10.2.1渐近相对有效性401 10.2.2基于符号检验的估计方程405 10.2.3中位数置信区间406 10.3威尔科克森符号秩407 10.3.1渐近相对有效性411 10.3.2基于威尔科克森符号秩的估计方程413 10.3.3中位数的置信区间414 10.4曼惠特尼威尔科克森方法415 10.4.1渐近相对有效性418 10.4.2基于MWW的估计方程420 10.4.3移位参数Δ的置信区间420 10.5一般秩得分421 10.5.1效力424 10.5.2基于一般得分的估计方程425 10.5.3最优化最佳估计426 10.6适应方法431 10.7简单线性模型435 10.8测量关联性439 10.8.1肯德尔τ439 10.8.2斯皮尔曼ρ442 10.9稳健概念445 10.9.1位置模型445 10.9.2线性模型450 第11章贝叶斯统计学457 11.1主观概率457 11.2贝叶斯方法460 11.2.1先验分布与后验分布460 11.2.2贝叶斯点估计462 11.2.3贝叶斯区间估计465 11.2.4贝叶斯检验方法466 11.2.5贝叶斯序贯方法467 11.3贝叶斯其他术语与思想468 11.4吉布斯抽样器473 11.5现代贝叶斯方法477 11.5.1经验贝叶斯480 附录A数学483 附录B R函数486 附录C分布表495 附录D常用分布列表506 附录E参考文献509 附录F部分习题答案513 ---------------------------3769165 - 随机过程基础(原书第2版)--------------------------- 《随机过程基础(原书第2版)》 译者序 前言 第1章Markov 链 1.1定义和例子 1.2多步转移概率 1.3状态分类 1.4平稳分布 1.5极限行为 1.6特殊例子 1.6.1双随机链 1.6.2细致平衡条件 1.6.3可逆性 1.6.4 Metropolis Hastings算法 *1.7主要定理的证明 1.8离出分布 1.9离出时刻 *1.10无限状态空间 1.11本章小结 1.12习题 第2章Poisson过程 2.1指数分布 2.2 Poisson过程的定义 2.3复合Poisson过程 2.4变换 2.4.1稀释 2.4.2叠加 2.4.3条件分布 2.5本章小结 2.6习题 第3章更新过程 3.1大数定律 3.2在排队论中的应用 3.2.1 GI/G/1排队系统 3.2.2成本方程 3.2.3 M/G/1排队系统 *3.3年龄和剩余寿命 3.3.1离散时间情形 3.3.2一般情形 3.4本章小结 3.5习题 第4章连续时间Markov链 4.1定义和例子 4.2转移概率的计算 4.3极限行为 4.4离出分布和首达时刻 4.5 Markov排队系统 4.5.1单服务线的排队系统 4.5.2多服务线的排队系统 *4.6排队网络 4.7本章小结 4.8习题 第5章鞅 5.1条件期望 5.2例子，基本性质 5.3赌博策略，停时 5.4应用 5.5收敛 5.6习题 第6章金融数学 6.1两个简单例子 6.2二项式模型 6.2.1单期情形 6.2.2 N期模型 6.3具体例子 6.4资本资产定价模型 6.5美式期权 6.6 Black Scholes公式 6.7看涨和看跌期权 6.8习题 附录A概率论复习 参考文献 索引 ---------------------------3802480 - 金融数据分析导论：基于R语言--------------------------- 《金融数据分析导论：基于R语言》 推荐序 译者序 前言 第1章 金融数据及其特征1 1.1 资产收益率1 1.2 债券收益和价格5 1.3 隐含波动率7 1.4 R软件包及其演示8 1.4.1 R软件包的安装9 1.4.2 Quantmod软件包9 1.4.3 R的基本命令11 1.5 金融数据的例子12 1.6 收益率的分布性质14 1.7 金融数据的可视化19 1.8 一些统计分布23 1.8.1 正态分布23 1.8.2 对数正态分布23 1.8.3 稳态分布24 1.8.4 正态分布的尺度混合24 1.8.5 多元收益率25 习题27 参考文献27 第2章 金融时间序列的线性模型28 2.1 平稳性30 2.2 相关系数和自相关函数31 2.3 白噪声和线性时间序列36 2.4 简单自回归模型37 2.4.1 AR模型的性质38 2.4.2 实践中AR模型的识别44 2.4.3 拟合优度49 2.4.4 预测50 2.5 简单移动平均模型52 2.5.1 MA模型的性质53 2.5.2 MA模型定阶54 2.5.3 模型估计55 2.5.4 用MA模型预测55 2.6 简单ARMA模型58 2.6.1 ARMA（1,1）模型的性质59 2.6.2 一般ARMA模型60 2.6.3 ARMA模型的识别60 2.6.4 用ARMA模型进行预测63 2.6.5 ARMA模型的三种表示方式63 2.7 单位根非平稳性65 2.7.1 随机游动65 2.7.2 带漂移的随机游动66 2.7.3 趋势平稳时间序列68 2.7.4 一般单位根非平稳模型68 2.7.5 单位根检验69 2.8 指数平滑72 2.9 季节模型74 2.9.1 季节差分75 2.9.2 多重季节模型77 2.9.3 季节哑变量82 2.10 带时间序列误差的回归模型84 2.11 长记忆模型89 2.12 模型比较和平均92 2.12.1 样本内比较92 2.12.2 样本外比较92 2.12.3 模型平均96 习题96 参考文献97 第3章 线性时间序列分析案例学习99 3.1 每周普通汽油价格99 3.1.1 纯时间序列模型100 3.1.2 原油价格的使用102 3.1.3 应用滞后期的原油价格数据103 3.1.4 样本外预测104 3.2 全球温度异常值108 3.2.1 单位根平稳109 3.2.2 趋势非平稳112 3.2.3 模型比较114 3.2.4 长期预测116 3.2.5 讨论117 3.3 美国月失业率121 3.3.1 单变量时间序列模型121 3.3.2 一个替代模型125 3.3.3 模型比较128 3.3.4 使用首次申请失业救济金人数128 3.3.5 模型比较135 习题135 参考文献136 第4章 资产波动率及其模型137 4.1 波动率的特征137 4.2 模型的结构138 4.3 模型的建立140 4.4 ARCH效应的检验141 4.5 ARCH模型143 4.5.1 ARCH模型的性质144 4.5.2 ARCH模型的优点与缺点145 4.5.3 ARCH模型的建立145 4.5.4 例子149 4.6 GARCH模型154 4.6.1 实例说明156 4.6.2 预测的评估163 4.6.3 两步估计方法164 4.7 求和GARCH模型164 4.8 GARCH-M模型166 4.9 指数GARCH模型168 4.9.1 第一个示例169 4.9.2 模型的另一种形式170 4.9.3 第二个示例170 4.9.4 用EGARCH模型进行预测172 4.10 门限GARCH模型173 4.11 APARCH模型175 4.12 非对称GARCH模型177 4.13 随机波动率模型179 4.14 长记忆随机波动率模型180 4.15 另一种方法181 4.15.1 高频数据的应用181 4.15.2 应用日开盘价、最高价、最低价和收盘价183 习题187 参考文献188 第5章 波动率模型的应用190 5.1 GARCH波动率期限结构190 5.2 期权定价和对冲194 5.3 随时间变化的协方差和β值196 5.4 最小方差投资组合203 5.5 预测207 习题214 参考文献214 第6章 高频金融数据215 6.1 非同步交易215 6.2 交易价格的买卖报价差218 6.3 交易数据的经验特征220 6.4 价格变化模型224 6.4.1 顺序概率值模型224 6.4.2 分解模型228 6.5 持续期模型232 6.5.1 日模式的成分233 6.5.2 ACD模型235 6.5.3 估计237 6.6 实际波动率241 6.6.1 处理市场微结构噪声247 6.6.2 讨论249 附录A 概率分布概览251 附录B 危险率函数253 习题254 参考文献255 第7章 极值理论、分位数估计与VaR257 7.1 风险测度和一致性257 7.1.1 风险值258 7.1.2 期望损失262 7.2 计算风险度量的注记263 7.3 风险度量制264 7.3.1 讨论267 7.3.2 多个头寸268 7.4 VaR计算的计量经济学方法270 7.5 分位数估计275 7.5.1 分位数与次序统计量276 7.5.2 分位数回归277 7.6 极值理论280 7.6.1 极值理论概览280 7.6.2 经验估计282 7.6.3 股票收益率的应用284 7.7 极值在VaR中的应用288 7.7.1 讨论289 7.7.2 多期VaR290 7.7.3 收益率水平290 7.8 超出门限的峰值291 7.8.1 统计理论292 7.8.2 超额均值函数293 7.8.3 估计294 7.8.4 另外一种参数化方法296 7.9 平稳损失过程298 习题299 参考文献300 索引302 ---------------------------3801619 - 随机过程(原书第2版)--------------------------- 《随机过程(原书第2版)》 译者序 第2版前言 第1章 准备知识 1．1 概率 1．2 随机变量 1．3 期望值 1．4 矩母函数，特征函数，Laplace变换 1．5 条件期望 1．6 指数分布，无记忆性，失效率函数 1．7 一些概率不等式 1．8 极限定理 1．9 随机过程 习题 参考文献 附录强大数定律 第2章 Poisson过程 2．1 Poisson过程 2．2 到达间隔与等待时间的分布 2．3 到达时间的条件分布 2．4 非时齐Poisson 过程 2．5 复合Poisson 随机变量与复合Poisson过程 2．5．1 一个复合Poisson恒等式 2．5．2 复合Poisson过程 2．6 条件Poisson过程 习题 参考文献 第3章 更新理论 3．1 引言与准备知识 3．2 N(t)的分布 3．3 一些极限定理 3．3．1 Wald方程 3．3．2 回到更新理论 3．4 关键更新定理及其应用 3．4．1 交替更新过程 3．4．2 极限平均剩余寿命和m(t)的展开 3．4．3 年龄相依的分支过程 3．5 延迟更新过程 3．6 更新报酬过程 3．7 再现过程 3．8 平稳点过程 习题 参考文献 第4章 Markov 链 4．1 引言与例子 4．2 Chapman-Kolmogorov方程和状态的分类 4．3 极限定理 4．4 类之间的转移，赌徒破产问题，处在暂态的平均时间 4．5 分支过程 4．6 Markov链的应用 4．6．1 算法有效性的一个Markov链模型 4．6．2 对连贯的一个应用——一个具有连续状态空间的Markov链 4．6．3 表列的排序规则——移前一位规则的最佳性 4．7 时间可逆的Markov链 4．8 半Markov过程 习题 参考文献 第5章 连续时间的Markov链 5．1 引言 5．2 连续时间的Markov链 5．3 生灭过程 5．4 Kolmogorov微分方程 5．5 极限概率 5．6 时间可逆性 5．6．1 串联排队系统 5．6．2 随机群体模型 5．7 倒向链对排队论的应用 5．7．1 排队网络 5．7．2 Erlang消失公式 5．7．3 M/G/1共享处理系统 5．8 一致化 习题 参考文献 第6章 鞅 6．1 鞅 6．2 停时 6．3 鞅的Azuma不等式 6．4 下鞅，上鞅，鞅收敛定理 6．5 一个推广的Azuma不等式 习题 参考文献 第7章 随机徘徊 7．1 随机徘徊中的对偶性 7．2 有关可交换随机变量的一些注释 7．3 利用鞅来分析随机徘徊 7．4 应用于G/G/1排队系统与破产问题 7．4．1 G/G/1排队系统 7．4．2 破产问题 7．5 直线上的Blackwell定理 习题 参考文献 第8章 Brown运动与其他Markov过程 8．1 引言与准备知识 8．2 击中时刻，最大随机变量，反正弦律 8．3 Brown运动的变种 8．3．1 在一点吸收的Brown 运动 8．3．2 在原点反射的Brown 运动 8．3．3 几何Brown 运动 8．3．4 积分Brown 运动 8．4 漂移Brown运动 8．5 向后与向前扩散方程 8．6 应用Kolmogorov方程得到极限分布 8．6．1 半Markov过程 8．6．2 M/G/1队列 8．6．3 保险理论中的一个破产问题 8．7 Markov散粒噪声过程 8．8 平稳过程 习题 参考文献 第9章 随机序关系 9．1 随机大于 9．2 耦合 9．2．1 生灭过程的随机单调性 9．2．2 Markov链中的指数收敛性 9．3 风险率排序与对计数过程的应用 9．4 似然比排序 9．5 随机地更多变 9．6 变动性排序的应用 9．6．1 G/G/1排队系统的比较 9．6．2 对更新过程的应用 9．6．3 对分支过程的应用 9．7 相伴随机变量 习题 参考文献 第10章 Poisson逼近 10．1 Brun筛法 10．2 给出Poisson逼近的误差界的Stein-Chen方法 10．3 改善Poisson逼近 习题 参考文献 部分习题的解答 索引 ---------------------------198301 - 数理统计与数据分析(原书第3版)--------------------------- 《数理统计与数据分析(原书第3版)》 译者序 前言 第 1 章 概率.1 1.1 引言1 1.2 样本空间 1 1.3 概率测度 3 1.4 概率计算：计数方法.5 1.4.1 乘法原理6 1.4.2 排列与组合 7 1.5 条件概率12 1.6 独立性 17 1.7 结束语 19 1.8 习题20 第 2 章 随机变量.26 2.1 离散随机变量26 2.1.1 伯努利随机变量.27 2.1.2 二项分布28 2.1.3 几何分布和负二项分布29 2.1.4 超几何分布 30 2.1.5 泊松分布31 2.2 连续随机变量34 2.2.1 指数密度36 2.2.2 伽马密度38 2.2.3 正态分布39 2.2.4 贝塔密度41 2.3 随机变量的函数.42 2.4 结束语 45 2.5 习题46 第 3 章 联合分布.51 3.1 引言51 3.2 离散随机变量52 3.3 连续随机变量53 3.4 独立随机变量60 3.5 条件分布61 3.5.1 离散情形61 3.5.2 连续情形62 3.6 联合分布随机变量函数67 3.6.1 和与商68 3.6.2 一般情形70 3.7 极值和顺序统计量.73 3.8 习题75 第 4 章 期望.82 4.1 随机变量的期望.82 4.1.1 随机变量函数的期望 85 4.1.2 随机变量线性组合的期望.87 4.2 方差和标准差91 4.2.1 测量误差模型.94 4.3 协方差和相关96 4.4 条件期望和预测102 4.4.1 定义和例子102 4.4.2 预测.106 4.5 矩生成函数108 4.6 近似方法112 4.7 习题116 第 5 章 极限定理123 5.1 引言123 5.2 大数定律123 5.3 依分布收敛和中心极限定理125 5.4 习题130 第 6 章 正态分布的导出分布133 6.1 引言133 6.2 .2 分布、t 分布和 F 分布.133 6.3 样本均值和样本方差134 6.4 习题136 第 7 章 抽样调查138 7.1 引言138 7.2 总体参数138 7.3 简单随机抽样140 7.3.1 样本均值的期望和方差140 7.3.2 总体方差的估计145 7.3.3 X 抽样分布的正态近似.148 7.4 比率估计152 7.5 分层随机抽样157 7.5.1 引言和记号157 7.5.2 分层估计的性质157 7.5.3 分配方法 160 7.6 结束语 163 7.7 习题164 第 8 章 参数估计和概率分布拟合176 8.1 引言176 8.2 粒子排放量的泊松分布拟合176 8.3 参数估计177 8.4 矩方法 179 8.5 最大似然方法184 8.5.1 多项单元概率的最大似然估计187 8.5.2 最大似然估计的大样本理论.189 8.5.3 最大似然估计的置信区间193 8.6 参数估计的贝叶斯方法 197 8.6.1 先验的进一步注释204 8.6.2 后验的大样本正态近似205 8.6.3 计算问题 206 8.7 效率和克拉默{拉奥下界 207 8.7.1 例子：负二项分布210 8.8 充分性 212 8.8.1 因子分解定理.212 8.8.2 拉奥{布莱克韦尔定理215 8.9 结束语 216 8.10 习题 217 第 9 章 假设检验和拟合优度评估228 9.1 引言228 9.2 奈曼{皮尔逊范式.229 9.2.1 显著性水平的设定和p 值概念 .232 9.2.2 原假设232 9.2.3 一致最优势检验233 9.3 置信区间和假设检验的对偶性233 9.4 广义似然比检验235 9.5 多项分布的似然比检验 236 9.6 泊松散布度检验240 9.7 悬挂根图242 9.8 概率图 244 9.9 正态性检验248 9.10 结束语249 9.11 习题 250 第 10 章 数据汇总.260 10.1 引言 260 10.2 基于累积分布函数的方法.260 10.2.1 经验累积分布函数260 10.2.2 生存函数262 10.2.3 分位数{分位数图 266 10.3 直方图、密度曲线和茎叶图.268 10.4 位置度量.270 10.4.1 算术平均271 10.4.2 中位数 272 10.4.3 截尾均值274 10.4.4 M 估计.274 10.4.5 位置估计的比较275 10.4.6 自助法评估位置度量的变异性 275 10.5 散度度量.277 10.6 箱形图278 10.7 利用散点图探索关系.279 10.8 结束语281 10.9 习题 281 第 11 章 两样本比较 289 11.1 引言 289 11.2 两独立样本比较.289 11.2.1 基于正态分布的方法289 11.2.2 势.298 11.2.3 非参数方法：曼恩{惠特尼检验299 11.2.4 贝叶斯方法.305 11.3 配对样本比较.306 11.3.1 基于正态分布的方法307 11.3.2 非参数方法：符号秩检验308 11.3.3 例子：测量鱼的汞水平.310 11.4 试验设计.311 11.4.1 乳腺动脉结扎术311 11.4.2 安慰剂效应.312 11.4.3 拉纳克郡牛奶试验312 11.4.4 门腔分术313 11.4.5 FD&C Red No.40 313 11.4.6 关于随机化的进一步评注314 11.4.7 研究生招生的观测研究、混杂和偏见.315 11.4.8 审前调查315 11.5 结束语316 11.6 习题 317 第 12 章 方差分析.328 12.1 引言 328 12.2 单因子试验设计.328 12.2.1 正态理论和 F 检验329 12.2.2 多重比较问题333 12.2.3 非参数方法：克鲁斯卡尔{沃利斯检验.335 12.3 二因子试验设计.336 12.3.1 可加性参数化337 12.3.2 二因子试验设计的正态理论339 12.3.3 随机化区组设计344 12.3.4 非参数方法：弗里德曼检验346 12.4 结束语347 12.5 习题 348 第 13 章 分类数据分析.354 13.1 引言 354 13.2 费舍尔精确检验.354 13.3 卡方齐性检验.355 13.4 卡方独立性检验.358 13.5 配对设计.360 13.6 优势比362 13.7 结束语365 13.8 习题 365 第 14 章 线性最小二乘.373 14.1 引言 373 14.2 简单线性回归.376 14.2.1 估计斜率和截距的统计性质376 14.2.2 拟合度评估.378 14.2.3 相关和回归.383 14.3 线性最小二乘的矩阵方法.386 14.4 最小二乘估计的统计性质.388 14.4.1 向量值随机变量388 14.4.2 最小二乘估计的均值和协方差392 14.4.3 .2 的估计.394 14.4.4 残差和标准化残差395 14.4.5 ˉ 的推断396 14.5 多元线性回归：一个例子.397 14.6 条件推断、无条件推断和自助法401 14.7 局部线性平滑.403 14.8 结束语405 14.9 习题 406 附录 A 常用分布415 附录 B 表417 部分习题答案433 参考文献 .447 |