統(tǒng)計(jì)推斷：面向工程和數(shù)據(jù)科學(xué)

譯者序
前言
縮寫詞
第1章引言1
11背景1
12記號1
121概率分布2
122條件概率分布2
123期望和條件期望2
124統(tǒng)一記號3
125一般隨機(jī)變量3
13統(tǒng)計(jì)推斷4
131統(tǒng)計(jì)模型4
132一些常見的估計(jì)問題5
133一些常見的檢測問題6
14性能分析6
15統(tǒng)計(jì)決策理論7
151條件風(fēng)險(xiǎn)和優(yōu)決策法則8
152貝葉斯方法8
153極小化極大方法9
154其他非貝葉斯決策法則10
16貝葉斯決策法則的推導(dǎo)10
17極小化極大決策理論與貝葉斯
決策理論之間的聯(lián)系12
171對偶概念12
172博弈論13
173鞍點(diǎn)13
174隨機(jī)決策法則14
練習(xí)16
參考文獻(xiàn)18
第一部分假設(shè)檢驗(yàn)
第2章二元假設(shè)檢驗(yàn)20
21一般框架20
22貝葉斯二元假設(shè)檢驗(yàn)21
221似然比檢驗(yàn)22
222一致成本22
223例22
23二元極小化極大假設(shè)檢驗(yàn)26
231對等法則27
232貝葉斯風(fēng)險(xiǎn)線與貝葉斯小
風(fēng)險(xiǎn)曲線28
233可微的V(π0)28
234不可微的V(π0)29
235隨機(jī)LRT30
236例31
24奈曼皮爾遜假設(shè)檢驗(yàn)33
241NP優(yōu)化問題的解33
242NP法則35
243受試者操作特征曲線35
244例36
245凸優(yōu)化38
練習(xí)38
第3章多元假設(shè)檢驗(yàn)44
31一般框架44
32貝葉斯假設(shè)檢驗(yàn)45
321優(yōu)決策域45
322高斯三元假設(shè)檢驗(yàn)47
33極小化極大假設(shè)檢驗(yàn)47
34廣義NP檢測51
35多重二元檢驗(yàn)51
351Bonferroni校正52
352錯(cuò)誤發(fā)現(xiàn)率53
353BenjaminiHochberg方法53
354與貝葉斯決策理論的聯(lián)系54
練習(xí)55
參考文獻(xiàn)58
第4章復(fù)合假設(shè)檢驗(yàn)59
41引言59
42隨機(jī)參數(shù)Θ60
421對每個(gè)假設(shè)都是同樣的
成本60
422有不同成本的假設(shè)63
43一致大功效檢驗(yàn)64
431例64
432單調(diào)似然比定理66
433雙復(fù)合假設(shè)67
44局部大功效檢驗(yàn)68
45廣義似然比檢驗(yàn)69
451高斯假設(shè)檢驗(yàn)的GLRT70
452柯西假設(shè)檢驗(yàn)的GLRT72
46隨機(jī)與非隨機(jī)的θ72
47非受控檢驗(yàn)74
48復(fù)合m維假設(shè)檢驗(yàn)75
481隨機(jī)參數(shù)Θ76
482非受控檢驗(yàn)76
483mGLRT77
49穩(wěn)健假設(shè)檢驗(yàn)77
491條件獨(dú)立觀測值的穩(wěn)健
檢測80
492ε污染族81
練習(xí)83
參考文獻(xiàn)86
第5章信號檢測87
51引言87
52問題描述88
53帶獨(dú)立噪聲的已知信號檢測88
531iid高斯噪聲下的信號89
532iid拉普拉斯噪聲下的
信號90
533iid柯西噪聲下的信號91
534近似NP檢驗(yàn)92
54帶相關(guān)高斯噪聲的已知信號
檢測92
541轉(zhuǎn)化為iid情形下的噪聲
檢測問題93
542性能分析95
55多元信號檢測96
551貝葉斯分類法則96
552性能分析96
56信號選擇97
561iid噪聲97
562帶相關(guān)性的噪聲98
57高斯噪聲下的高斯信號檢測99
571在高斯白噪聲中檢測高斯
信號100
572iid零均值高斯信號的
檢測101
573信號協(xié)方差矩陣的對角化102
574性能分析102
575非零均值的高斯信號104
58弱信號的檢測105
59高斯白噪聲下帶有未知參數(shù)的
信號檢測106
591一般方法107
592線性高斯模型107
593非線性高斯模型108
594離散參數(shù)集109
510高斯噪聲下非高斯信號的基于
偏差的檢測112
練習(xí)114
參考文獻(xiàn)118
第6章凸統(tǒng)計(jì)距離119
61KullbackLeibler散度119
62熵與互信息121
63切爾諾夫散度、切爾諾夫信息和
巴塔恰里亞距離122
64AliSilvey距離123
65一些有用的不等式127
練習(xí)128
參考文獻(xiàn)130
第7章假設(shè)檢驗(yàn)的性能界132
71條件錯(cuò)誤概率的簡單下界132
72錯(cuò)誤概率的簡單下界133
73切爾諾夫界134
731矩母函數(shù)和累積量生成
函數(shù)134
732切爾諾夫界135
74切爾諾夫界在二元假設(shè)檢驗(yàn)中的
應(yīng)用138
741PF和PM上的指數(shù)形式
上界138
742貝葉斯錯(cuò)誤概率140
743ROC的下界142
744例142
75分類錯(cuò)誤概率的界143
751由每對錯(cuò)誤概率得到的
上、下界143
752Bonferroni不等式145
753廣義Fano不等式145
76附錄：定理74的證明147
練習(xí)149
參考文獻(xiàn)151
第8章假設(shè)檢驗(yàn)的大偏差和錯(cuò)誤
指數(shù)152
81引言152
82iid隨機(jī)變量求和的切爾諾
夫界153
821克萊姆定理153
822為什么中心極限定理在此處
不適用154
83帶iid觀測值的假設(shè)檢驗(yàn)154
831帶iid觀測值的貝葉斯
假設(shè)檢驗(yàn)155
832帶iid觀測值的奈曼
皮爾遜假設(shè)檢驗(yàn)156
833Hoeffding問題156
834例158
84精細(xì)的大偏差160
841指數(shù)傾斜方法160
842iid隨機(jī)變量的和161
843大偏差概率的下界163
844二元假設(shè)檢驗(yàn)的精細(xì)
漸近性165
845隨機(jī)變量不是iid的
情形166
85附錄：引理81的證明168
練習(xí)169
參考文獻(xiàn)171
第9章序貫檢測與速變檢測173
91序貫檢測173
911問題闡述173
912停時(shí)和決策法則173
913序貫假設(shè)檢驗(yàn)問題的兩種
闡述174
914 序貫概率比檢驗(yàn)174
9