贝叶斯统计及其R实现
￥ 11.15 3.2折 ￥ 35 九五品
仅1件
作者黄长全
出版社清华大学出版社
ISBN9787302467854
出版时间2017-05
版次1
装帧平装
开本16开
纸张胶版纸
页数160页
字数99999千字
定价35元
上书时间2024-07-07
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:贝叶斯统计及其R实现
定价：35.00元
作者:黄长全
出版社：清华大学出版社
出版日期：2017-05-01
ISBN：9787302467854
字数：239000
页码：160
版次：1
装帧：平装
开本：32开
商品重量：
编辑推荐
本书引入了丰富多彩的案例，涉及经济、管理、天文、医药、生物、体育等领域，并利用R软件来分析和计算，增强了初学者对贝叶斯统计的学习兴趣，为其在各个领域使用贝叶斯统计打下了基础。
内容提要
贝叶斯统计学是现代统计学中非常有特色的内容，应用范围极其广泛。本书系统地介绍了贝叶斯统计的基本思想及其来龙去脉、先验分布和后验分布的概念以及寻求方法、贝叶斯统计推断、MCMC计算方法以及统计决策理论等。为使初学者更好地理解贝叶斯统计并培养起对贝叶斯统计的兴趣，本书引入了丰富的案例，涉及经济、管理、天文、医药、生物、体育等领域。本书专门制作了一个专用R软件包，把书中所有案例数据和主要程序都放入了此压缩包中，增强了师生教学与互动的效果，以便激发初学者对贝叶斯统计的兴趣，掌握贝叶斯统计的精髓，为贝叶斯统计的应用打好基础。本书可作为高等院校统计、经济、金融、管理、医药、生物等专业高年级本科生和研究生的贝叶斯统计课程的教材或参考书，也可作为对贝叶斯统计感兴趣人士的参考用书。
目录
前言章贝叶斯统计基本概念1.1.引言1.1.一个美国书呆子的故事1.1.2.贝叶斯统计简史1.1.3.经典统计方法1.1.4.贝叶斯统计方法1.2.概率空间与随机事件贝叶斯公式1.2.1.概率空间与随机事件贝叶斯公式1.2.2.两例：她怀孕了吗？“非典”时期病人为何要测量体温？1.2.3.案例：自动语音识别——神奇的语音输入法1.3.三种信息与先验分布1.3.1.总体与总体信息1.3.2.样本信息1.3.3.先验信息与先验分布1.4.一般形式的贝叶斯公式与后验分布1.4.1.知识准备1.4.2.R语言与R软件包1.4.3.一般形式的贝叶斯公式1.4.4.计算后验分布示例本章要点小结思考与练习第2章共轭先验分布与充分统计量2.1.共轭先验分布2.1.1.后验分布的核2.1.2.共轭先验分布2.2.多参数先验与后验分布2.2.1.联合先（后）验密度函数2.2.2.多参数共轭先验示例2.3.充分统计量与应用2.3.1.充分统计量概念2.2.2.充分统计量示例本章要点小结思考与练习第3章先验分布寻求方法3.1.先验分布类型已知时超参数估计3.2.由边际分布确定先验分布3.2.1.混合分布与混合样本3.2.2.寻求先验密度的Ⅱ型最大似然法3.2.2.寻求先验密度的边际矩法3.3.用主观概率作为先验概率3.3.1.为什么需要主观概率3.3.2.确定主观概率的方法3.4.无信息先验分布3.4.1.非正常先验与贝叶斯假设3.4.2.位置参数的无信息先验3.4.3.尺度参数的无信息先验3.4.4.杰弗里斯先验本章要点小结思考与练习第4章贝叶斯统计推断4.1.贝叶斯估计4.1.1.点估计4.1.2.贝叶斯估计优良性准则4.1.3.区间估计4.2.泊松分布参数的估计4.2.1.后验分布4.2.2.参数估计4.2.3.案例：爱教育程厦不同的妇女生育率相同吗？4.3.指数分布参数的估计4.3.1.参数估计4.3.2.案例：国产彩电的寿命有多长？4.4.正态分布参数的估计4.4.1.方差已知时均值的估计4.4.2.均值已知时方差的估计4.4.3.均值和方差的同时估计4.4.4.案例：无先验信息如何估计马拉松成绩分布的参数4.5.贝叶斯假设检验4.5.1.贝叶斯假设检验与贝叶斯因子4.5.2.简单假设对简单假设4.5.3.复杂假设对复杂假设4.5.4.简单假设对复杂假设4.5.5.案例：哪个疗效更好？4.6.模型的比较与选择4.6.1.模型比较与选择4.6.2.案例：足球队进球数量的分布是什么？4.7.统计预测4.7.1.预测原理4.7.2.统计预测示刨本章要点小结思考与练习第5章决策概念与贝叶斯决策5.1.决策基本概念5.1.1.决策问题三要素5.1.2.行动的容许性与先验期望准则5.1.3.先验期望准则两性质5.2.损失函数5.2.1.什么是损失函数5.2.2.损失函数下的先验期望准则5.2.3.二行动线性决策问题的损失函数5.3.贝叶斯决策5.3.1.什么是贝叶斯决策5.3.2.决策函数5.3.3.后验风险与后验风险准则5.3.4.常用损失函数下的贝叶斯估计5.3.5.贝叶斯决策下的假设检验5.4.抽样的价值5.4.1.完全信息期望值5.4.2.抽样信息期望值5.4.3.样本量的确定本章要点小结思考与练习第6章贝叶斯统计计算方法6.1.什么是MCMC方法6.1.1.蒙特卡罗法6.1.2.马尔可夫链6.1.2.马氏链蒙特卡罗法6.2.吉布斯抽样6.2.1.二阶段吉布斯抽样6.2.2.多阶段吉布斯抽样6.3.梅切波利斯—哈斯廷斯算法6.4.MCMC的收敛性问题本章要点小结思考与练习第7章统计决策概要7.1.风险函数7.1.1.风险函数与一致最优决策函数7.1.2.统计决策框架中的经典推断7.2.决策函数的容许性与最大准则7.2.1.容许性7.2.2.最大准则7.3.贝叶斯风险准则与贝叶斯解7.2.1.贝叶斯风险准则7.3.2.贝叶斯解的性质本章要点小结思考与练习拓展资源：专用R软件包附录常用概率分布表参考文献
作者介绍
黄长全，男，香港中文大学统计学哲学博士（PhD.），厦门大学经济学院统计学系副教授。教授统计学、计量经济学、时间序列分析、企业风险管理、贝叶斯统计等课程。
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