计算统计(赠品)

.问题　37
第3章　组合优化　40
3.1　难题和np完备性　40
3.1.1　几个例子　42
3.1.2　需要启发式算法　45
3.2　局部搜索　45
3.3　禁忌算法　49
3.3.1　基本定义　49
3.3.2　禁忌表　50
3.3.3　吸气准则　51
3.3.4　多样化　52
3.3.5　强化　53
3.3.6　一种综合的禁忌算法　53
3.4　模拟退火　54
3.4.1　几个实际问题　56
3.4.2　强化　59
3.5　遗传算法　60
3.5.1　定义和典则算法　60
3.5.2　变化　64
3.5.3　初始化和参数值　68
3.5.4　收敛　69
问题　69
第4章　em优化方法　72
4.1　缺失数据、边际化和符号　72
4.2　em算法　73
4.2.1　收敛性　77
4.2.2　在指数族中的应用　79
4.2.3　方差估计　80
4.3　em变型　85
4.3.1　改进e步　85
4.3.2　改进m步　86
4.3.3　加速方法　90
问题　93
第5章　数值积分　99
5.1　newton-c^otes求积　100
5.1.1　riemann法则　100
5.1.2　梯形法则　103
5.1.3　simpson法则　105
5.1.4　一般的k阶法则　107
5.2　romberg积分　107
5.3　gauss求积　111
5.3.1　正交多项式　111
5.3.2　gauss求积法则　112
5.4　常见问题　114
5.4.1　积分范围　114
5.4.2　带奇点或其他极端表现的被积函数　114
5.4.3　多重积分　115
5.4.4　自适应求积　115
5.4.5　积分软件　115
问题　116
第6章　模拟与monte carlo积分　118
6.1　monte carlo方法的介绍　118
6.2　模拟　119
6.2.1　从标准参数族中产生　120
6.2.2　逆累积分布函数　120
6.2.3　拒绝抽样　121
6.2.4　采样重要性重抽样算法　128
6.3　方差缩减技术　133
6.3.1　重要性抽样　134
6.3.2　对偶抽样　140
6.3.3　控制变量　142
6.3.4　rao-blackwellization　146
问题　148
第7章　mcmc方法　151
7.1　metropolis-hastings算法　151
7.1.1　独立链　153
7.1.2　随机游动链　156
7.1.3　击跑算法　158
7.1.4　langevin算法　159
7.1.5　multiple-try metropolis-算法..　160
7.2　gibbs　抽样　161
7.2.1　基本gibbs抽样　161
7.2.2　立即更新　163
7.2.3　更新排序　164
7.2.4　区组化　164
7.2.5　混合gibbs抽样　165
7.2.6　另一种一元提案方法　165
7.3　实施　166
7.3.1　确保良好的混合和收敛　166
7.3.2　实际操作的建议　171
7.3.3　使用结果　171
7.3.4　例：软毛海豹幼崽的捕获-再捕获数据　173
问题　176
第8章　mcmc中的深入论题　180
8.1　辅助变量方法　180
8.2　可逆跳跃mcmc　183
8.3　完美抽样　190
8.4　例：马尔可夫随机域上的mcmc算法　194
8.4.1　马尔可夫随机域的gibbs抽样　195
8.4.2　马尔可夫随机域的辅助变量方法　199
8.4.3　马尔可夫随机域的完美抽样　201
8.5　马氏链极大似然　203
问题　204
第9章　bootstrap方法　208
9.1　bootstrap的基本原则　208
9.2　基本方法　209
9.2.1　非参数bootstrap　209
9.2.2　参数化bootstrap　210
9.2.3　基于bootstrap的回归方法　211
9.2.4　bootstrap偏差修正　212
9.3　bootstrap推断　213
9.3.1　分位点方法　213
9.3.2　枢轴化　215
9.3.3　假设检验　221
9.4　缩减monte carlo误差　221
9.4.1　平衡bootstrap　221
9.4.2　反向bootstrap方法　222
9.5　bootstrap方法的其他用途　222
9.6　bootstrap近似的阶　223
9.7　置换检验　224
问题　226
第10章　非参密度估计　228
10.1　绩效度量　229
10.2　核密度估计　230
10.2.1　窗宽的选择　231
10.2.2　核的选择　240
10.3　非核方法　242
10.4　多元方法　245
10.4.1　问题的本质　245
10.4.2　多元核估计　247
10.4.3　自适应核及最近邻　249
10.4.4　探索性投影寻踪　253
问题　258
第11章　二元光滑方法　261
11.1　预测-响应数据　262
11.2　线性光滑函数　263
11.2.1　常跨度移动平均　263
11.2.2　移动直线和移动多项式　269
11.2.3　核光滑函数　270
11.2.4　局部回归光滑　271
11.2.5　样条光滑　272
11.3　线性光滑函数的比较　274
11.4　非线性光滑函数　274
11.4.1　loess　275
11.4.2　超光滑　276
11.5　置信带　279
11.6　一般二元数据　282
问题　282
第12章　多元光滑方法　285
12.1　预测-响应数据　285
12.1.1　可加模型　286
12.1.2　广义可加模型　288
12.1.3　与可加模型有关的其他方法　291
12.1.4　树型方法　296
12.2　一般多元数据　303
问题　306
数据致谢　309
参考文献　310
索引...　343