非参数统计
￥ 7.93 1.7折 ￥ 46 九五品
仅1件
作者王星,褚挺进 著
出版社清华大学出版社
ISBN9787302371564
出版时间2014-09
版次1
装帧平装
开本16开
纸张胶版纸
页数364页
字数99999千字
定价46元
上书时间2024-04-28
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:非参数统计
定价：46.00元
作者:王星,褚挺进 著
出版社：清华大学出版社
出版日期：2014-09-01
ISBN：9787302371564
字数：458000
页码：364
版次：2
装帧：平装
开本：16开
商品重量：
编辑推荐
本版在第1版的基础上，加入了一些实验、案例的内容，使理论与数学软件及实践的联系更加密切。
内容提要
目录
章基本概念 1 n n1.1非参数统计概念与产生.1 n n1.2假设检验回顾 5 n n1.3经验分布和分布探索 10 n1.3.1经验分布 .10 n1.3.2生存函数 .12 n1.4检验的相对效率 .15 n1.5分位数和非参数估计 18 n1.6秩检验统计量 . 21 n1.7 U统计量. .24 n1.8实验.29习题 . .34 n n第 2章单一样本的推断问题 . 37 n n2.1符号检验和分位数推断 . 37 n n2.1.1基本概念 .37 n2.1.2大样本计算 41 n n2.1.3符号检验在配对样本比较中的应用 43 n n2.1.4分位数检验 ——符号检验的推广. .44 n2.2 Cox-Staut趋势存在性检验 45 n2.3随机游程检验 . 49 n2.4 Wilcoxon符号秩检验 . 52 n n2.4.1基本概念 .52 n2.4.2 Wilcoxon符号秩检验和抽样分布 55 n n2.5单组数据的位置参数置信区间估计. .61 n2.5.1顺序统计量位置参数置信区间估计 61 n n2.5.2基于方差估计法的位置参数置信区间估计 . 64 n n2.6正态记分检验 . 68 n2.7分布的一致性检验 71 n n2.7.1 χ2拟合优度检验 . 71 n2.7.2 Kolmogorov-Smirnov正态性检验.75 n2.7.3 Liliefor正态分布检验 76 n n2.8单一总体渐近相对效率比较 .77 n2.9实验.80习题 . .87 n n第 3章两独立样本数据的位置和尺度推断 . 90 n n3.1 Brown-Mood中位数检验 . .91 n3.2 Wilcoxon-Mann-Whitney秩和检验 93 n3.3 Mood方差检验 . 99 n n3.4 Moses方差检验 101 n3.5实验 . 103习题.106 n n第 4章多组数据位置推断 .108 n4.1试验设计和方差分析的基本概念回顾 108 n n4.2 Kruskal-Wallis单因素方差分析 115 n n4.3 Jonckheere-Terpstra检验.122 n4.4 Friedman秩方差分析法 126 n4.5随机区组数据的调整秩和检验 . 131 n n4.6 Cochran检验 133 n n4.7 Durbin不完全区组分析法 . 136 n n4.8案例 . 138习题.143 n n第 5章分类数据的关联分析 145 n n5.1 r × s列联表和 χ2独立性检验 . 145 n n5.2 χ2齐性检验 . 147 n n5.3 Fisher精确性检验 . 148 n n5.4 Mantel-Haenszel检验 151 n n5.5关联规则.153 n5.5.1关联规则基本概念 153 n n5.5.2 Apriori算法 154 n n5.6 Ridit检验法 . 156 n n5.7对数线性模型 162 n5.7.1对数线性模型的基本概念 . 163 n5.7.2模型的设计矩阵 168 n n5.7.3模型的估计和检验 169 n n5.7.4高维对数线性模型和独立性 170 n n5.8案例 . 173习题.177 n n第 6章秩相关和分位数回归 181 n n6.1 Spearman秩相关检验. .181 n6.2 Kendall τ相关检验 185 n n6.3多变量 Kendall协和系数检验. .189 n6.4 Kappa一致性检验 . 192 n6.5中位数回归系数估计法 194 n n6.5.1 Brown-Mood方法.194 n6.5.2 Theil方法 196 n n6.5.3关于 α和 β的检验 . 197 n6.6线性分位回归模型 . 199 n n6.7案例 . 202习题.207 n n第 7章非参数密度估计 . 209 n7.1直方图密度估计. .209 n7.1.1基本概念. .209 n7.1.2理论性质和优带宽 . .211 n7.1.3多维直方图 . 213 n n7.2核密度估计 213 n n7.2.1核函数的基本概念 213 n n7.2.2理论性质和带宽 215 n n7.2.3多维核密度估计 218 n n7.2.4贝叶斯决策和非参数密度估计 221 n n7.3 k近邻估计 .224 n7.4案例 . 225习题.232 n n第 8章一元非参数回归 . 234 n8.1核回归光滑模型. .235 n8.2局部多项式回归. .237 n8.2.1 局部线性回归 . 237 n8.2.2 局部多项式回归的基本原理 239 n n8.3 LOWESS稳健回归 240 n n8.4 k近邻回归 .241 n8.5正交序列回归 243 n8.6罚二乘法 245 n8.7样条回归.246 n8.7.1 模型 246 n n8.7.2 样条回归模型的节点 . .247 n8.7.3 常用的样条基函数 248 n n8.7.4 样条模型的自由度 250 n n8.8案例 . 251习题.254 n n第 9章数据挖掘与机器学习 255 n n9.1一般分类问题 255 n9.2 Logistic回归 . 256 n9.2.1 Logistic回归模型 . 257 n n9.2.2 Logistic回归模型的极大似然估计 258 n n9.2.3 Logistic回归和线性判别函数 LDA的比较 259 n9.3 k近邻 . 261 n n9.4决策树 . 262 n n9.4.1 决策树基本概念 262 CART.264 n9.4.2 n9.4.3 决策树的剪枝 . 265 n9.4.4 回归树 266 n9.4.5 决策树的特点 . 266 n9.5 Boosting . 268 n n9.5.1 Boosting方法 . 268 n9.5.2 AdaBoost.M1算法 268 n9.6支持向量机 271 n n9.6.1 边距分类 . 271 n9.6.2支持向量机问题的求解 . 273 n n9.6.3支持向量机的核方法 . .275 n9.7随机森林树 277 n n9.7.1随机森林树算法的定义 . 277 n n9.7.2随机森林树算法的性质 . 277 n n9.7.3如何确定随机森林树算法中树的节点分裂变量 . 278 n n9.7.4随机森林树的回归算法 . 279 n n9.7.5有关随机森林树算法的一些评价 279 n9.8多元自适应回归样条 . 280 n9.8.1 MARS与 CART的联系 282 n n9.8.2 MARS的一些性质 282 n9.9案例 . 283习题.294 n n附录 AR基础 297 n nA.1 R基本概念和操作.298 nA.1.1 R环境 . 298 n nA.1.2常量 299 nA.1.3算术运算 . 299 nA.1.4赋值 300 nA.2向量的生成和基本操作 300 nA.2.1向量的生成.300 nA.2.2向量的基本操作 302 nA.2.3向量的运算.305 nA.2.4向量的逻辑运算 305 nA.3高级数据结构 . 306 n nA.3.1矩阵的操作和运算 . 306 n nA.3.2数组 308 nA.3.3数据框 . 308 n nA.3.4列表 309 nA.4数据处理 309 n nA.4.1保存数据 . 309 nA.4.2读入数据 . 310 nA.4.3数据转换 . 311 nA.5编写程序 311 n nA.5.1循环和控制.311 nA.5.2函数 312 nA.6基本统计计算 . 313 n nA.6.1抽样 313 nA.6.2统计分布 . 313 nA.7 R的图形功能 . 314 n nA.7.1 plot函数 . 315 n nA.7.2多图显示 . 315 nA.8 R帮助和包 . .317 nA.8.1 R帮助 . 317 n nA.8.2 R包 317习题.317 n附录 B常用统计分布表 . 321 n n参考文献 .362 n
作者介绍
序言
-
【封面】
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价