第1章基本概念
1.1引言
1.1.1几个例子
1.1.2什么是数理统计
1.2几个基本概念
1.2.1样本和样本分布
1.2.2总体与总体分布
1.2.3样本分布族,参数和参数空间
1.2.4统计量
1.2.5经验分布函数
1.2.6抽样分布
1.3统计中常用的抽样分布
1.3.1x2分布
1.3.2t分布
1.3.3F分布
1.3.4几个常用的分布族
1.4充分统计量
1.5数据初步分析
1.5.1直方图
1.5.2茎叶图
1.5.3五数概括
1.5.4盒子图
习题一
第2章点估计
2.1引言
2.2矩估计
2.3极大似然估计与EM算法
2.3.1极大似然估计
2.3.2EM算法
2.4无偏估计与一致*小方差无偏估计
2.4.1无偏估计
2.4.2一致*小均方误差准则
2.4.3一致*小方差无偏估计
2.5完备统计量
2.5.1完备性的定义
2.5.2完备统计量的应用
2.5.3指数型分布族的充分完备性
2.5.4次序统计量的完备性
2.6信息不等式及有效估计
2.6.1正则分布族与Fisher信息量
2.6.2信息不等式
2.6.3有效估计
2.6.4Bhattacharya下界
2.7相合估计
2.7.1相合估计
2.7.2样本分位数的相合性
2.7.3极大似然估计的相合性
2.7.4相合渐近正态估计
2.8Bayes估计
2.9*小二乘估计
2.9.1*小二乘估计
2.9.2*优线��无偏估计
2.9.3加权*小二乘估计
2.9.4线性模型的诊断
2.9.5一个故事
习题二
第3章区间估计
3.1区间估计中的几个基本概念
3.2枢轴量法
3.2.1小样本情况
3.2.2大样本情况
3.3两个正态总体的置信区间
3.3.1Behrens—Fisher问题
3.3.2方差比的置信区间
3.4信念推断方法
3.4.1信念分布
3.4.2函数模型方法
习题三
第4章假设检验——显著性检验
4.1Fisher的显著性检验思想和基本概念
4.1.1Fisher显著性检验思想
4.1.2基本概念
4.2单样本正态总体参数的显著性检验
4.2.1单样本正态总体均值的检验
4.2.2单样本正态总体方差的检验
4.3两样本正态总体参数的显著性检验
4.3.1两样本正态总体均值的显著性检验
4.3.2两样本正态总体方差的显著性检验
4.4单参数指数型分布族的显著性检验
4.4.1单参数指数型分布族的性质
4.4.2单参数指数型分布族的假设检验
4.4.3Bernoulli分布的假设检验
4.5似然比检验
4.6p值
4.7一个故事
习题四
第5章假设检验——*大功效检验
5.1引言
5.2Neyman—Pearson引理
5.3一致*大功效检验
5.3.1定义及某些有用的结论
5.3.2单调似然比分布族
5.3.3单侧假设的一致*大功效检验
5.3.4双侧假设的一致*大功效检验
5.4无偏检验和一致*大功效无偏检验
5.4.1定义
5.4.2一致*大功效无偏检验
5.5多参数指数型分布族的*大功效检验
5.5.1多参数指数型分布族的一致*大功效无偏检验
5.5.2单样本正态总体参数的*大功效检验
5.5.3两样本正态总体参数的*大功效检验
5.6序贯概率比检验
习题五
第6章几个常用的分布检验方法
6.1正态概率纸检验法
6.1.1正态概率纸的构造
6.1.2正态概率纸的应用
6.2Pearsonx2拟合优度检验
6.2.1分类数据的x2拟合优度检验
6.2.2带有未知参数的x2拟合优度检验
6.3列联表的独立性检验
6.4Kolmogorov检验
6.5正态性检验
6.5.1W检验
6.5.2D检验
习题六
第7章统计模拟
7.1随机数的产生
7.1.1逆变换法
7.1.2筛选抽样法
7.1.3复合抽样法
7.1.4随机向量的抽样法
7.2随机模拟计算
7.2.1样本均值法
7.2.2重要抽样法