数理统计与数据分析(原书第3版)
点击看大图基本信息
- 原书名：Mathematical Statistics and Data Analysis, Third Edition
编辑推荐
几乎涵盖所有经典和前沿的概率论与数理统计理论和方法
用真实数据分析实际问题
将自助方法与传统推论性过程相结合
推荐阅读
内容简介回到顶部↑
《数理统计与数据分析(原书第3版)》将现代统计学的重要思想引入数理统计课程中，强调了数据分析、图形工具和计算机技术，并注重统计的实务和应用. 本书内容丰富，几乎涵盖了所有经典和前沿的概率论与数理统计理论和方法，主要包括概率、随机变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、数据汇总、两样本比较、方差分析、分类数据分析和线性最小二乘等.
《数理统计与数据分析(原书第3版)》用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法. 此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力.
《数理统计与数据分析(原书第3版)》适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考.
《数理统计与数据分析(原书第3版)》用真实数据分析了实际问题，以此增强读者对理论的理解；作者将自助方法与传统的推论性过程结合起来，增加了蒙特卡罗方法. 此外，为了使概念更清晰，书中提供了大量的示例，而且还有丰富的习题，以增强读者的计算能力.
《数理统计与数据分析(原书第3版)》适合作为统计学、数学、其他理工科专业以及社会科学和经济学专业高年级本科生和低年级研究生的教材，同时也可供相关领域技术人员参考.
目录回到顶部↑
《数理统计与数据分析(原书第3版)》
译者序
前言
第 1 章 概率.1
1.1 引言1
1.2 样本空间 1
1.3 概率测度 3
1.4 概率计算：计数方法.5
1.4.1 乘法原理6
1.4.2 排列与组合 7
1.5 条件概率12
1.6 独立性 17
1.7 结束语 19
1.8 习题20
第 2 章 随机变量.26
2.1 离散随机变量26
2.1.1 伯努利随机变量.27
2.1.2 二项分布28
2.1.3 几何分布和负二项分布29
2.1.4 超几何分布 30
译者序
前言
第 1 章 概率.1
1.1 引言1
1.2 样本空间 1
1.3 概率测度 3
1.4 概率计算：计数方法.5
1.4.1 乘法原理6
1.4.2 排列与组合 7
1.5 条件概率12
1.6 独立性 17
1.7 结束语 19
1.8 习题20
第 2 章 随机变量.26
2.1 离散随机变量26
2.1.1 伯努利随机变量.27
2.1.2 二项分布28
2.1.3 几何分布和负二项分布29
2.1.4 超几何分布 30
译者序回到顶部↑
《Mathematical Statistics and Data Analysis》是美国加州大学名誉教授 John A. Rice 所著的一本优秀的概率论与数理统计教材，1988 年由 Thomson Brooks/Cole 出版，并于 1994 年再版，2003 年机械工业出版社购买了该书在中国的影印版权，发行了影印本，2007 年本书的第 3版问世. 书中直观而深刻的统计思想，简明而翔实的数据分析实例，新颖而丰富的图形工具和计算机技术使其别具风格，开创了概率论与数理统计教程著述方式的先河，引领了数理统计发展的方向，深受广大读者喜爱和专家学者的好评，至今，已被美国、英国、加拿大和中国的许多大学选为概率论与数理统计的教材或参考书.
John A. Rice 教授（1944
John A. Rice 教授（1944
前言回到顶部↑
读者对象
本书适合于统计学、数学、自然科学和工程专业的低年级和高年级本科生，或一年级研究生，以及具有一定统计学基础的社会科学和经济学专业的学生阅读. 读者必须修读了包含泰勒级数和多元微积分在内的一年微积分课程，以及初级的线性代数课程.
本书的目标
这本书反映了我对第一门统计学课程的认识，而这对很多学生来说可能是最后的统计课程.
这样的课程应该包括数理统计的一些经典内容（如似然法），以及描述统计学和数据分析的一些内容，特别是图形显示、试验设计和复杂的实际应用. 它还应该体现出计算机在统计学中所起的不可或缺的作用. 这些主题适当地交织在一起，可以将现代统计学的本质展示给学生. 分别讲授两个主题的课程一个是理论，一个是数据分析，对我来讲似乎有点造作. 此外，很多学生仅学习一门统计学课程，而没有时间学习两门或两门以上这方面的课程.
数据分析与统计实践
为了将上述主题融合在一起，我一直在努力地撰写一本能够紧密结合统计实践的教科书. 只有分析实际数据，才能使我们明白形式理论和通俗数据分析方法所扮演的角色. 我围绕着各种问题组织了这本书，这些问题都需要使用统计方法来解决，此外书中包含很多实际例子，借此引入和介绍理论内容. 这样安排的优点是理论构建在寓意深刻的背景内容下，对其逐步补充和加强，与通俗的分析方法结合在一起. 我认为，这种方法是适合于统计学的，其历史发展主要是由实践需要来促进的，而不是抽象或美学的思考. 同时，我也没有回避学生应该知道的数学内容.
第 3 版
本书第 1 版于 1988 年问世，第 2 版于 1994 年出版. 尽管本书基本的目的和结构没有改变，但是新的版本反映了统计学科的发展，尤其是计算方面的革新.
这一版最显著的变动是对贝叶斯推断的处理. 我将最后一章的材料做了迁移，分散于之前的各章中，这是由于很多老师很难讲授到这一章. 现在贝叶斯推断首先出现在第 3 章的条件分布中. 然后，在第 8 章与频率学派方法同步讲解，那里的贝叶斯方法可以非常自然地解决最大似然估计量. 第 9 章假设检验的引言部分现在以贝叶斯公式作为开端，然后再转向奈曼{皮尔逊范式.
这样做的一个好处是似然比的至关重要性更突出. 在应用中，我强调无信息先验，说明频率学派和贝叶斯学派得出的定性结论具有相似性.
概率论章节新增了基因组学和金融统计的例子. 这些材料除了与相应的主题相关外，还可以很自然地强化基本概念. 例如，连接函数 (copulas) 强调了边际分布和联合分布之间的关系. 其他变动包括第 10 章探索性数据分析中散点图和相关系数的介绍，以及第 14 章中利用局部线性最小二乘进行非参数平滑的简介. 本版新增了将近 100 道习题，主要集中在第 7 .14 章，同时还包括几个新的数据集，有些数据集完全可以用于计算机实验室上机操作. 此外, 还修改了前面版本中解释含糊不清的一些段落.
概要
当然，我们可以从目录中找到完整的大纲，这里，我仅仅强调几点，并指出教师讲授课程时需要取舍的章节内容.
前 6 章包含概率论的内容，特别是与统计学密切相关的内容. 第 1 章以非测度论的观点介绍概率论的基本内容，以及初等组合方法. 在这一章和其他概率章节中，我尽可能地利用现实世界的例子，而不是使用球与盒子的抽样模型.
第 2 章介绍了随机变量的概念. 我选择将离散型和连续型随机变量放在一起讨论，而不是把连续情形推迟到以后再进行介绍. 本章介绍了几个常见分布. 这样安排的好处是它能为后面的章节提供一些讨论和介绍的内容.
第 3 章继续讨论随机变量，但是转向联合分布. 教师可以跳过雅可比行列式，这不会有损课程的连续性，因为它们很少在本书的其余部分出现. 如果教师乐意之后做些回溯工作，可以在讲解时跳过 3.7 节极值和顺序统计量的内容.
期望、方差、协方差、条件期望和矩生成函数共同构成第 4 章. 教师可以跳过条件期望和预测，尤其是没有计划讲解稍后的充分统计量时. 这一章之后的部分介绍了 ± 方法 (误差传播方法),这个方法多次出现在统计学的章节中.
第 5 章在非常严格的假设条件下证明了大数定律和中心极限定理.
第 6 章汇编了与正态分布有关的常用分布，以及利用通常的正态随机样本计算所得统计量的抽样分布. 我没有在此浪费过多的时间，但确实介绍了统计学章节所必需的知识点, 学生很有必要学习这些分布.
本书适合于统计学、数学、自然科学和工程专业的低年级和高年级本科生，或一年级研究生，以及具有一定统计学基础的社会科学和经济学专业的学生阅读. 读者必须修读了包含泰勒级数和多元微积分在内的一年微积分课程，以及初级的线性代数课程.
本书的目标
这本书反映了我对第一门统计学课程的认识，而这对很多学生来说可能是最后的统计课程.
这样的课程应该包括数理统计的一些经典内容（如似然法），以及描述统计学和数据分析的一些内容，特别是图形显示、试验设计和复杂的实际应用. 它还应该体现出计算机在统计学中所起的不可或缺的作用. 这些主题适当地交织在一起，可以将现代统计学的本质展示给学生. 分别讲授两个主题的课程一个是理论，一个是数据分析，对我来讲似乎有点造作. 此外，很多学生仅学习一门统计学课程，而没有时间学习两门或两门以上这方面的课程.
数据分析与统计实践
为了将上述主题融合在一起，我一直在努力地撰写一本能够紧密结合统计实践的教科书. 只有分析实际数据，才能使我们明白形式理论和通俗数据分析方法所扮演的角色. 我围绕着各种问题组织了这本书，这些问题都需要使用统计方法来解决，此外书中包含很多实际例子，借此引入和介绍理论内容. 这样安排的优点是理论构建在寓意深刻的背景内容下，对其逐步补充和加强，与通俗的分析方法结合在一起. 我认为，这种方法是适合于统计学的，其历史发展主要是由实践需要来促进的，而不是抽象或美学的思考. 同时，我也没有回避学生应该知道的数学内容.
第 3 版
本书第 1 版于 1988 年问世，第 2 版于 1994 年出版. 尽管本书基本的目的和结构没有改变，但是新的版本反映了统计学科的发展，尤其是计算方面的革新.
这一版最显著的变动是对贝叶斯推断的处理. 我将最后一章的材料做了迁移，分散于之前的各章中，这是由于很多老师很难讲授到这一章. 现在贝叶斯推断首先出现在第 3 章的条件分布中. 然后，在第 8 章与频率学派方法同步讲解，那里的贝叶斯方法可以非常自然地解决最大似然估计量. 第 9 章假设检验的引言部分现在以贝叶斯公式作为开端，然后再转向奈曼{皮尔逊范式.
这样做的一个好处是似然比的至关重要性更突出. 在应用中，我强调无信息先验，说明频率学派和贝叶斯学派得出的定性结论具有相似性.
概率论章节新增了基因组学和金融统计的例子. 这些材料除了与相应的主题相关外，还可以很自然地强化基本概念. 例如，连接函数 (copulas) 强调了边际分布和联合分布之间的关系. 其他变动包括第 10 章探索性数据分析中散点图和相关系数的介绍，以及第 14 章中利用局部线性最小二乘进行非参数平滑的简介. 本版新增了将近 100 道习题，主要集中在第 7 .14 章，同时还包括几个新的数据集，有些数据集完全可以用于计算机实验室上机操作. 此外, 还修改了前面版本中解释含糊不清的一些段落.
概要
当然，我们可以从目录中找到完整的大纲，这里，我仅仅强调几点，并指出教师讲授课程时需要取舍的章节内容.
前 6 章包含概率论的内容，特别是与统计学密切相关的内容. 第 1 章以非测度论的观点介绍概率论的基本内容，以及初等组合方法. 在这一章和其他概率章节中，我尽可能地利用现实世界的例子，而不是使用球与盒子的抽样模型.
第 2 章介绍了随机变量的概念. 我选择将离散型和连续型随机变量放在一起讨论，而不是把连续情形推迟到以后再进行介绍. 本章介绍了几个常见分布. 这样安排的好处是它能为后面的章节提供一些讨论和介绍的内容.
第 3 章继续讨论随机变量，但是转向联合分布. 教师可以跳过雅可比行列式，这不会有损课程的连续性，因为它们很少在本书的其余部分出现. 如果教师乐意之后做些回溯工作，可以在讲解时跳过 3.7 节极值和顺序统计量的内容.
期望、方差、协方差、条件期望和矩生成函数共同构成第 4 章. 教师可以跳过条件期望和预测，尤其是没有计划讲解稍后的充分统计量时. 这一章之后的部分介绍了 ± 方法 (误差传播方法),这个方法多次出现在统计学的章节中.
第 5 章在非常严格的假设条件下证明了大数定律和中心极限定理.
第 6 章汇编了与正态分布有关的常用分布，以及利用通常的正态随机样本计算所得统计量的抽样分布. 我没有在此浪费过多的时间，但确实介绍了统计学章节所必需的知识点, 学生很有必要学习这些分布.
加载中...
