| 集约计算方法在统计推断和探索性数据分析中已得到广泛应用。计算统计学方法包括数据集的重新采样、分类及多重变换，其中可能利用随机生成的人工数据。这些方法的运用需要数值分析的高等技巧。因此，计算统计学和统计计算方法有着紧密的联系。本书阐述计算统计学的各种方法以及集约计算方法在密度估计、数据结构的确认及模型的建立等各方面的一些应用。尽管本书没有特别论述统计计算方法，但全面阐述了统计方法意义下的数据变换、函数近似及数据优化中的数值技巧。本书提供了习题，其中部分提供了解答。本书虽然假定读者熟悉概率论和统计学知识，但也复习了统计推断的基本方法，因此，本书很大程度上是自包含的。 本书可以作为教材或补充教材，用于高年级本科生或研究生的现代统计学课程，也可以作为使用集约计算方法的统计学家的参考书。 本书作者是George Mason大学计算统计系教授，美国统计协会及国际统计学学会会员，在ASA拥有多个国家级事务所；是ASA刊物的副主编，同时担任统计学和计算方面其他杂志的编辑；是《随机数生成，蒙特卡罗方法及数值线性代数在统计中的应用))一书的作者。 |
| Preface I Methods of Computational Statistics Introduction to Part I 1 Preliminaries 2 Monte Carlo Methods for Statistical Inference 3 Randomization and Data Partitioning 4 Bootstrap Methods 5 Tools for Identification of Structure in Data 6 Estimation of Functions 7 Graphical Methods in Computational Statistics II Exploring Data Density and Structure Introduction to Part II 8 Estimation of Probability Density Functions Using Parametric Models 9 Nonparametric Estimation of Probability Density Functions 10 Structure in data 11 Statistical Models of Dependencies Appendices A Monte Carlo Studies in Statistics B Software for Randon Number Generation C Notation and Definitions D Solutions and Hints for Selected Exercises Bibliography Author Index Subject Index |
内容加载中，请稍后...
商品评论（0条）