- 统计思维(科学家入门导引)/现代统计学丛书
- - 作者：(美)M.D.埃奇|责编:刘慧|译者:冉启康
  - 出版社：机械工业
  - ISBN：9787111738053
  - 出版日期：2024/01/01
  - 页数：260
- 售价：31.6

内容大纲
本书从简单线性回归开始，带领读者从零基础出发学习一种方法，建立估计和推断的整个理论框架，进而获得适用于其他背景的工具、方法和直觉。本书对数学的要求非常低，甚至不要求读者对微积分、线性代数和概率论有系统的理解，只需要掌握附录A中列出的相关知识就够了。这就使得本书可以作为理工科学生学习数理统计的预备资料，也可以作为法学、心理学及其他人文社科专业学生的统计学教材，还可以作为希望提高对统计技术的理解的业界人员和将解释研究结果作为其工作的一部分的专业人员的自学指导书。
作者介绍
M.D.埃奇，南加州大学定量和计算生物学系助理教授。他的研究小组开发了进化遗传学的统计方法和数学模型，特别关注进化遗传学与医学和法学应用的交叉领域。他拥有斯坦福大学生物学博士学位、加州大学伯克利分校统计学和心理学硕士学位，以及斯坦福大学人类生物学学士学位，还曾在加州大学戴维斯分校从事博士后研究。
目录
译者序
前言
致谢
第1章  初识数据
第2章  R软件与探索性数据分析
  2.1  与R软件交互
  2.2  教程：鸢尾数据
  2.3  本章小结
  2.4  延伸阅读
第3章  最佳拟合线
  3.1  定义“最佳”拟合
  3.2  推导：求最小二乘线
  3.3  结论
  3.4  本章小结
  3.5  延伸阅读
第4章  概率与随机变量
  4.1  [选读]概率公理
  4.2  事件之间的关系：条件概率和独立性
  4.3  贝叶斯定理
  4.4  离散随机变量及其分布
  4.5  连续随机变量及其分布
  4.6  概率密度函数
  4.7  分布族
  4.8  本章小结
  4.9  延伸阅读
第5章  随机变量的性质
  5.1  数学期望与大数定律
  5.2  方差与标准差
  5.3  联合分布、协方差与相关性
  5.4  [选读]条件分布、期望和方差
  5.5  中心极限定理
  5.6  一个简单线性回归的概率模型
  5.7  本章小结
  5.8  延伸阅读
插叙
第6章  点估计量的性质
  6.1  偏差
  6.2  方差
  6.3  均方误差
  6.4  一致性
  6.5  有效性
  6.6  [选读]统计决策理论与风险
  6.7  稳健性
  6.8  简单线性回归模型的估计量
  6.9  结论
  6.10  本章小结
  6.11  延伸阅读
第7章  区间估计与推断
  7.1  标准误差
  7.2  置信区间

  7.3  频率推断Ⅰ：零假设、检验统计量和p值
  7.4  频率推断Ⅱ：备择假设和拒绝框架
  7.5  [选读]假设检验和置信区间的关系
  7.6  零假设显著性检验及检验的滥用
    7.6.1  缺乏复制性
    7.6.2  几乎固化了的α=0.05
    7.6.3  把α=0.05作为一个关卡
    7.6.4  科学假设与统计假设的区别
    7.6.5  忽视其他目标，如估计和预测
    7.6.6  退化的知识文化
    7.6.7  根据零假设显著性检验评估显著性检验
  7.7  频率推断Ⅲ：功效
  7.8  综合分析：当样本量增加时会发生什么
  7.9  本章小结
  7.10  延伸阅读
第8章  半参数估计与推断
  8.1  半参数点估计的矩方法
    8.1.1  嵌入式估计量
    8.1.2  矩方法估计
  8.2  使用bootstrap进行半参数区间估计
  8.3  使用置换检验的半参数假设检验
  8.4  结论
  8.5  本章小结
  8.6  延伸阅读
第9章  参数估计与推断
  9.1  参数估计的极大似然估计法
  9.2  参数的区间估计：直接方法和费希尔信息方法
    9.2.1  直接方法
    9.2.2  [选读]费希尔信息方法
  9.3  使用瓦尔德检验进行参数假设检验
  9.4  [选读]使用似然比检验进行参数假设检验
  9.5  本章小结
  9.6  延伸阅读
第10章  贝叶斯估计与推断
  10.1  如何选择一个先验分布
  10.2  未缩放的后验、共轭以及从后验分布中抽样
  10.3  使用贝叶斯估计方法获得点估计量
  10.4  使用可信区间进行贝叶斯区间估计
  10.5  [选读]使用贝叶斯因子进行贝叶斯“假设检验”
  10.6  结论：贝叶斯方法与频率方法
  10.7  本章小结
  10.8  延伸阅读
尾叙  模型与数据
  尾叙1  评估假定
    尾叙1.1  绘图
    尾叙1.2  假定的检验
    尾叙1.3  样本外预测
  尾叙2  简单线性回归的拓展
    尾叙2.1  多元回归
    尾叙2.2  广义线性模型

    尾叙2.3  混合模型
  尾叙3  结论
  尾叙4  延伸阅读
附录
  附录A  微积分
  附录B  R语言拓展
  附录C  部分练习答案
数学符号表
术语表
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目