計算機(jī)時代的統(tǒng)計推斷：算法、演化和數(shù)據(jù)科學(xué)

贊譽(yù)
譯者序
前言
致謝
第一部分　經(jīng)典統(tǒng)計推斷
第1章　算法與推斷2
　1.1　一個回歸的例子3
　1.2　假設(shè)檢驗(yàn)5
　1.3　注釋7
　注釋7
第2章　頻率學(xué)派推斷8
　2.1　實(shí)踐中的頻率學(xué)派9
　2.2　頻率學(xué)意義下的最優(yōu)化12
　2.3　注釋與細(xì)節(jié)13
　注釋13
第3章　貝葉斯推斷14
　3.1　兩個例子15
　3.2　無信息先驗(yàn)分布18
　3.3　頻率學(xué)派推斷的缺陷19
　3.4　貝葉斯學(xué)派/頻率學(xué)派的對比列表21
　3.5　注釋與細(xì)節(jié)23
　注釋23
第4章　Fisher推斷和最大似然估計24
　4.1　似然和最大似然24
　4.2　Fisher信息和MLE26
　4.3　條件推斷28
　4.4　排列和隨機(jī)化31
　4.5　注釋與細(xì)節(jié)32
　注釋32
第5章　參數(shù)模型和指數(shù)族34
　5.1　單變量族34
　5.2　多元正態(tài)分布36
　5.3　多參數(shù)分布族的Fisher信息量邊界38
　5.4　多項(xiàng)分布39
　5.5　指數(shù)型分布族41
　5.6　注釋與細(xì)節(jié)44
　注釋44
第二部分　計算機(jī)時代早期方法
第6章　經(jīng)驗(yàn)貝葉斯48
　6.1　Robbins公式48
　6.2　物種遺漏問題50
　6.3　一個醫(yī)學(xué)上的例子54
　6.4　間接證據(jù)156
　6.5　注釋與細(xì)節(jié)57
　注釋57
第7章　James-Stein估計和嶺回歸59
　7.1　James-Stein估計59
　7.2　棒球運(yùn)動員61
　7.3　嶺回歸63
　7.4　間接證據(jù)266
　7.5　注釋和細(xì)節(jié)68
　注釋68
第8章　廣義線性模型與回歸樹70
　8.1　邏輯回歸70
　8.2　廣義線性模型75
　8.3　泊松回歸78
　8.4　回歸樹80
　8.5　注釋與細(xì)節(jié)82
　注釋83
第9章　生存分析和EM算法85
　9.1　生命表和風(fēng)險率85
　9.2　刪失數(shù)據(jù)和Kaplan-Meier估計87
　9.3　對數(shù)秩檢驗(yàn)91
　9.4　比例風(fēng)險模型93
　9.5　缺失數(shù)據(jù)和EM算法95
　9.6　注釋與細(xì)節(jié)98
　注釋98
第10章　刀切法與自助法101
　10.1　標(biāo)準(zhǔn)差的刀切法估計101
　10.2　非參數(shù)的自助法103
　10.3　重抽樣方案106
　10.4　參數(shù)自助法110
　10.5　影響函數(shù)與魯棒估計112
　10.6　注釋與細(xì)節(jié)115
　注釋115
第11章　自助法置信區(qū)間117
　11.1　Neyman的單參數(shù)問題的構(gòu)建117
　11.2　百分位方法120
　11.3　偏差校正置信區(qū)間122
　11.4　二階精度124
　11.5　自助t區(qū)間126
　11.6　目標(biāo)貝葉斯區(qū)間和置信分布127
　11.7　注釋與細(xì)節(jié)131
　注釋131
第12章　交叉驗(yàn)證與預(yù)測誤差的Cp估計134
　12.1　預(yù)測規(guī)則134
　12.2　交叉驗(yàn)證137
　12.3　協(xié)方差懲罰140
　12.4　訓(xùn)練、驗(yàn)證與短期預(yù)測因子146
　12.5　注釋與細(xì)節(jié)148
　注釋148
第13章　客觀貝葉斯推斷和馬爾可夫鏈蒙特卡羅方法150
　13.1　客觀先驗(yàn)分布150
　13.2　共軛先驗(yàn)分布152
　13.3　模型選擇與貝葉斯信息準(zhǔn)則156
　13.4　Gibbs抽樣和MCMC161
　13.5　示例：模擬人口混合165
　13.6　注釋與細(xì)節(jié)167
　注釋167
第14章　戰(zhàn)后時代的統(tǒng)計推斷與方法論169
　注釋171
第三部分　21世紀(jì)的話題
第15章　大規(guī)模假設(shè)檢驗(yàn)和錯誤發(fā)現(xiàn)率174
　15.1　大規(guī)模假設(shè)檢驗(yàn)174
　15.2　錯誤發(fā)現(xiàn)率176
　15.3　經(jīng)驗(yàn)貝葉斯大規(guī)模假設(shè)檢驗(yàn)178
　15.4　局部錯誤發(fā)現(xiàn)率181
　15.5　原假設(shè)分布的選擇183
　15.6　關(guān)聯(lián)性186
　15.7　注釋與細(xì)節(jié)188
　注釋188
第16章　稀疏建模和套索191
　16.1　前向逐步回歸191
　16.2　套索194
　16.3　擬合套索模型197
　16.4　最小角回歸198
　16.5　擬合廣義的套索模型200
　16.6　套索的選擇后推斷202
　16.7　聯(lián)系和擴(kuò)展203
　16.8　注釋與細(xì)節(jié)205
　注釋205
第17章　隨機(jī)森林和提升207
　17.1　隨機(jī)森林207
　17.2　平方誤差損失的提升212
　17.3　梯度提升216
　17.4　Adaboost：原始的提升算法218
　17.5　聯(lián)系和擴(kuò)展220
　17.6　注釋與細(xì)節(jié)221
　注釋222
第18章　神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)224
　18.1　神經(jīng)網(wǎng)絡(luò)與手寫數(shù)字問題225
　18.2　擬合一個網(wǎng)絡(luò)226
　18.3　自動編碼器230
　18.4　深度學(xué)習(xí)231
　18.5　學(xué)習(xí)一個深層網(wǎng)絡(luò)234
　18.6　注釋與細(xì)節(jié)235
　注釋236
第19章　支持向量機(jī)和核方法238
　19.1　最優(yōu)超平面238
　19.2　軟間隔分類器240
　19.3　作為損失加懲罰的支持向量機(jī)準(zhǔn)則241
　19.4　計算以及核技巧242
　19.5　利用核的函數(shù)擬合244
　19.6　實(shí)例：用于蛋白質(zhì)分類的字符串核函數(shù)244
　19.7　支持向量機(jī)：結(jié)束語245
　19.8　核平滑和局部回歸246
　19.9　注釋與細(xì)節(jié)247
　注釋248
第20章　模型選擇后的推斷250
　20.1　同時置信區(qū)間251
　20.2　模型選擇后的準(zhǔn)確率255
　20.3　選擇的偏差258
　20.4　貝葉斯頻率學(xué)組合估計260
　20.5　注釋與細(xì)節(jié)263
　注釋264
第21章　經(jīng)驗(yàn)貝葉斯估計策略266
　21.1　貝葉斯反卷積266
　21.2　g-建模和估計267
　21.3　似然、正則化和準(zhǔn)確性269
　21.4　兩個例子272
　21.5　廣義線性混合模型276
　21.6　反卷積和f-建模278
　21.7　注釋與細(xì)節(jié)280
　注釋280
后記282
參考文獻(xiàn)286