齣版說明
第2版序
第1版序
譯後序
第1章 概率論
1.1 集閤論
1.2 概率論基礎
1.2.1 公理化基礎
1.2.2 概率演算
1.2.3 計數
1.2.4 枚舉結果
1.3 條件概率與獨立性
1.4 隨機變量
1.5 分布函數
1.6 概率密度函數和概率質量函數
1.7 習題
1.8 雜錄
第2章 變換和期望
2.1 隨機變量函數的分布
2.2 期望
2.3 矩和矩母函數
2.4 積分號下的求導
2.5 習題
2.6 雜錄
2.6.1 矩列的唯一性
2.6.2 其他母函數
2.6.3 矩母函數能否唯一地確定分布？
第3章 常見分布族
3.1 引言
3.2 離散分布
3.3 連續分布
3.4 指數族
3.5 位置與尺度族
3.6 不等式與恒等式
3.6.1 概率不等式
3.6.2 恒等式
3.7 習題
3.8 雜錄
3.8.1 Poisson假設
3.8.2 Chebychev不等式及其改進
3.8.3 再談指數族
第4章 多維隨機變量
4.1 聯閤分布與邊緣分布
4.2 條件分布與獨立性
4.3 二維變換
4.4 多層模型與混閤分布
4.5 協方差與相關
4.6 多維分布
4.7 不等式
4.7.1 數值不等式
4.7.2 函數不等式
4.8 習題
4.9 雜錄
4.9.1 交換悖論
4.9.2 算術－幾何－調和平均值不等式
8.3.1 錯誤概率與功效函數
8.3.2 最大功效檢驗
8.3.3 並－檢驗與交－並檢驗的真實水平
8.3.4 P-值
8.3.5 損失函數最優性
8.4 習題
8.5 雜錄
8.5.1 單調功效函數
8.5.2 似然比作為證據
8.5.3 P-值和後驗概率
8.5.4 置信集P-值
第9章 區間估計
9.1 引言
9.2 區間估計量的求法
9.2.1 反轉一個檢驗統計量
9.2.2 樞軸量
9.2.3 樞軸化纍積分布函數
9.2.4 Bayes區間
9.3 區間估計量的評價方法
9.3.1 尺寸和覆蓋概率
9.3.2 與檢驗相關的最優性
9.3.3 Bayes最優
9.3.4 損失函數最優
9.4 習題
9.5 雜錄
9.5.1 置信方法
9.5.2 離散分布中的置信區間
9.5.3 Fieller定理
9.5.4 其他區間如何?
第10章 漸近評價
10.1 點估計
10.1.1 相閤性
10.1.2 有效性
10.1.3 計算與比較
10.1.4 自助法標準誤差
10.2 穩健性
10.2.1 均值和中位數
10.2.2 M_估計量
10.3 假設檢驗
10.3.1 LRT的漸近分布
10.3.2 其他大樣本檢驗
10.4 區間估計
10.4.1 近似極大似然區間
10.4.2 其他大樣本區間
10.5 習題
10.6 雜錄
10.6.1 超有效性
10.6.2 適當的正則性條件
10.6.3 再談自助法
10.6.4 影響函數
10.6.5 自助法區間
10.6.6 穩健區間
第11章 方差分析和迴歸分析
11.1 引言
11.2 一種方式分組的方差分析
11.2.1 模型和分布假定
11.2.2 經典的ANOVA假設
11.2.3 均值的綫性組閤的推斷
11.2.4 ANOVAF檢驗
11.2.5 對比的同時估計
11.2.6 平方和的分解
11.3 簡單綫性迴歸
11.3.1 最小二乘：數學解
11.3.2 最佳綫性無偏估計：統計解
11.3.3 模型和分布假定
11.3.4 正態誤差下的估計和檢驗
11.3.5 在給定點x=x0處的估計和預測
11.3.6 同時估計和置信帶
11.4 習題
11.5 雜錄
11.5.1 Cochran定理
11.5.2 多重比較
11.5.3 隨機化完全區組設計
11.5.4 其他類型的方差分析
11.5.5 置信帶的形狀
11.5.6 Stein悖論
第12章 迴歸模型
12.1 引言
12.2 變量有誤差時的迴歸
12.2.1 函數關係和結構關係
12.2.2 最小二乘解
12.2.3 極大似然估計
12.2.4 置信集
12.3 羅吉斯蒂剋迴歸
12.3.1 模型
12.3.2 估計
12.4 穩健迴歸
12.5 習題
12.6 雜錄
12.6.1 函數和結構的意義
12.6.2 EIV模型中常規最小乘的相閤性
12.6.3 EIV模型中的工具變量
12.6.4 羅吉斯蒂剋似然方程
12.6.5 再談穩健迴歸
附錄 計算機代數
常用分布錶
參考文獻
作者索引
名詞索引
· · · · · · (收起)