免费下载书籍地址：PDF下载地址
精美图片
统计学核心方法及其应用书籍详细信息
- ISBN：9787115497468
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2018-12
- 页数：207
- 价格：69.00元
- 纸张：暂无纸张
- 装帧：暂无装帧
- 开本：暂无开本
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
本书主要介绍了统计模型及统计推断中的问题，并引入极大似然法和贝叶斯方法来解答这些问题；概述R语言；简括极大似然估计的大样本理论，然后讨论应用该理论所涉及的数值方法；讲述贝叶斯计算所需的数值方法——马尔可夫链蒙特卡罗方法；介绍线性模型的理论及其应用。
书籍目录：
第1章 随机变量 1
1.1 随机变量概述 1
1.2 累积分布函数 1
1.3 概率函数与概率密度函数 2
1.4 随机向量 2
1.4.1 边缘分布 3
1.4.2 条件分布 4
1.4.3 贝叶斯定理 5
1.4.4 独立性和条件独立性 5
1.5 均值和方差 6
1.6 多元正态分布 8
1.6.1 多元t分布 8
1.6.2 正态随机向量的线性变换 8
1.6.3 多元正态条件分布 9
1.7 随机变量的变换 10
1.8 矩母函数 11
1.9 中心极限定理 11
1.10 切比雪夫不等式、大数定律与詹森不等式 12
1.10.1 切比雪夫不等式 12
1.10.2 大数定律 13
1.10.3 詹森不等式 13
1.11 统计量 14
1.12 习题 14
第2章 统计模型与统计推断 16
2.1 简单统计模型的几个例子 17
2.2 随机效应和自相关 19
2.3 推断问题 21
2.4 频率论方法 22
2.4.1 点估计：极大似然 22
2.4.2 假设检验与p值 23
2.4.3 区间估计 27
2.4.4 模型检测 28
2.4.5 进一步的模型比较、AIC与交叉验证 29
2.5 贝叶斯方法 30
2.5.1 后验众数 30
2.5.2 模型比较、贝叶斯因子、先验敏感度、BIC、DIC 30
2.5.3 区间估计 35
2.5.4 模型检测 35
2.5.5 与MLE的联系 35
2.6 设计 36
2.7 一些有用的关于单个参数的正态结果 37
2.8 习题 38
第3章 R 40
3.1 R 的基本结构 40
3.2 R 的对象 42
3.3 用向量、矩阵和数组进行计算 44
3.3.1 循环规则 44
3.3.2 矩阵代数 45
3.3.3 数组操作与apply 46
3.3.4 索引和分组 48
3.3.5 序列与网格 50
3.3.6 排序 51
3.4 函数 52
3.5 有用的内置函数 55
3.6 面向对象与类 56
3.7 条件执行与循环 58
3.8 调用编译代码 61
3.9 好的实践与调试 62
3.10 习题 63
第4章 极大似然估计理论 66
4.1 期望对数似然的性质 66
4.2 极大似然估计的一致性 68
4.3 极大似然估计的大样本分布 68
4.4 广义似然比统计量的分布 69
4.5 正则条件 71
4.6 AIC：赤池信息量准则 71
4.7 习题 73
第5章 数值极大似然估计 74
5.1 数值最优化 74
5.1.1 牛顿法 74
5.1.2 拟牛顿法 79
5.1.3 内尔德-米德多面体法 82
5.2 R中的似然极大化示例 83
5.2.1 极大似然估计 84
5.2.2 模型检验 86
5.2.3 进一步推断 87
5.3 具有随机效应的极大似然估计 88
5.3.1 拉普拉斯近似 88
5.3.2 EM算法 89
5.4 R随机效应极大似然估计示例 91
5.4.1 直接拉普拉斯近似 92
5.4.2 EM优化 94
5.4.3 基于EM的牛顿优化 97
5.5 计算机求导 99
5.5.1 数值代数 100
5.5.2 有限差分 100
5.5.3 自动微分 102
5.6 寻找目标函数 108
5.7 处理多模态 111
5.8 习题 112
第6章 贝叶斯计算 114
6.1 近似积分 114
6.2 马尔可夫链蒙特卡罗 115
6.2.1 马尔可夫链 116
6.2.2 可逆性 116
6.2.3 Metropolis Hastings方法 117
6.2.4 为什么Metropolis Hastings方法可行 117
6.2.5 Metropolis Hastings的一个小例子 118
6.2.6 设计建议分布 120
6.2.7 吉布斯采样 120
6.2.8 吉布斯采样的小例子 121
6.2.9 吉布斯例子的核心 123
6.2.10 吉布斯采样的局限性 124
6.2.11 随机影响 124
6.2.12 检查收敛性 124
6.3 区间估计和模型对比 127
6.4 一个MCMC的例子：藻类生长 131
6.5 几何抽样与建立更好的分布 136
6.5.1 后验相关 136
6.5.2 维数带来的问题 138
6.5.3 基于近似后验正态的改进的分布 140
6.5.4 藻类种群例子的改进的建议分布 140
6.6 图模型与自动吉布斯采样 145
6.6.1 建造采样器 146
6.6.2 BUGS和JAGS 148
6.6.3 JAGS藻类种群实例 150
6.6.4 JAGS混合模型实例 152
6.6.5 JAGS海胆生长实例 155
6.7 习题 157
第7章 线性模型 158
7.1 线性模型理论 159
7.1.1 β的最小二乘估计 159
7.1.2?β的分布 161
7.1.3 (?βi ? βi)/?σ?βi～tn?p 161
7.1.4 F-ratio结果 162
7.1.5 影响矩阵 163
7.1.6 残差和拟合值?μ 164
7.1.7 线性模型的几何形式 164
7.1.8 X的结果 165
7.1.9 互动和可识别性 165
7.2 R中的线性模型 167
7.2.1 模型公式 169
7.2.2 模型检测 170
7.2.3 预测 173
7.2.4 解释、相关性和混杂 174
7.2.5 模型比较与选择 176
7.3 扩展 177
7.4 习题 180
附录 A 一些分布 182
附录 B 矩阵运算 187
附录 C 随机数生成 199
参考文献 205
作者介绍：
Simon N. Wood，英国巴斯大学统计学教授，工程与自然科学研究委员会研究员，R包 mgcy 作者，主要研究方向为统计计算、平滑方法和环境统计。
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：统计学核心方法及其应用在线阅读
在线听书地址：统计学核心方法及其应用在线收听
在线购买地址：统计学核心方法及其应用在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
书籍介绍
本书主要介绍了统计模型及统计推断中的问题，并引入极大似然法和贝叶斯方法来解答这些问题；概述R语言；简括极大似然估计的大样本理论，然后讨论应用该理论所涉及的数值方法；讲述贝叶斯计算所需的数值方法——马尔可夫链蒙特卡罗方法；介绍线性模型的理论及其应用。
书籍真实打分
故事情节：4分
人物塑造：8分
主题深度：8分
文字风格：5分
语言运用：7分
文笔流畅：4分
思想传递：9分
知识深度：5分
知识广度：8分
实用性：6分
章节划分：7分
结构布局：6分
新颖与独特：5分
情感共鸣：7分
引人入胜：4分
现实相关：9分
沉浸感：7分
事实准确性：9分
文化贡献：6分
网站评分
书籍多样性：7分
书籍信息完全性：7分
网站更新速度：8分
使用便利性：3分
书籍清晰度：9分
书籍格式兼容性：7分
是否包含广告：4分
加载速度：6分
安全性：8分
稳定性：9分
搜索功能：9分
下载便捷性：5分
下载点评
- 无颠倒(305+)
- 章节完整(285+)
- 超值(177+)
- 好评(613+)
- 好评多(542+)
- epub(191+)
- 二星好评(531+)
- 实惠(417+)
- 赚了(528+)
- 少量广告(533+)
下载评价
网友 芮***枫：有点意思的网站，赞一个真心好好好 哈哈
网友 师***怡：说的好不如用的好，真心很好。越来越完美
网友 曹***雯：为什么许多书都找不到？
网友 沈***松：挺好的，不错
网友 利***巧：差评。这个是收费的
网友 车***波：很好，下载出来的内容没有乱码。
网友 訾***晴：挺好的，书籍丰富
网友 温***欣：可以可以可以
网友 家***丝：好6666666
网友 冯***卉：听说内置一千多万的书籍，不知道真假的
网友 訾***雰：下载速度很快，我选择的是epub格式
网友 宫***玉：我说完了。
网友 寇***音：好，真的挺使用的！
网友 冯***丽：卡的不行啊
网友 方***旋：真的很好，里面很多小说都能搜到，但就是收费的太多了
网友 宫***凡：一般般，只能说收费的比免费的强不少。