您好,欢迎来到聚文网。 登录 免费注册
应用线性统计模型

应用线性统计模型

  • 字数: 1187千字
  • 装帧: 平装
  • 出版社: 机械工业出版社
  • 作者: (美)迈克尔H·库特纳(Michael H.Kutner) 等 著
  • 出版日期: 2016-04-01
  • 商品条码: 9787111490685
  • 版次: 1
  • 开本: B5
  • 页数: 1396
  • 出版年份: 2016
定价:¥98 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书从McGrawHill出版公司引进,共分三部分,包括:第 一部分:简单线性回归:一元预测函数的线性回归,回归影响和相关分析,诊断及补救措施,即时推断和回归分析的其它几个专题,简单线性回归分析中的矩阵方法;第二部分:多元线性回归:多元回归Ⅰ,多元回归2,定性回归模型和定量预测,建立线性回归模型Ⅰ:模型选择及有效性,建立线性回归模型Ⅱ:诊断,建立线性回归模型Ⅲ:补救措施,时间序列数据中的自相关;第三部分:非线性回归:非线性回归和神经网络方法。
目录
英文影印版序
前言
第1部分简单线性回归1
第1章单个预测变量的线性回归
1.1变量之间的关系
两个变量之间的函数关系
两个变量之间的统计关系
1.2回归模型及其用法
历史起源
基本概念
构建回归模型
回归分析的应用
回归和因果律
计算机的使用
1.3具有不确定误差项分布的
简单线性回归模型
模型的形式语句
模型的主要特征
回归参数的意义
回归模型的替代形式
1.4回归分析的数据
观测数据
试验数据
完全随机设计
1.5回归分析步骤概述
1.6回归函数估计
最小二乘法
均值响应的点估计
残差
拟合回归曲线的性质
1.7误差项方差σ2的估计σ2的点估计
1.8正态误差回归模型
模型
极大似然参数估计
引用的参考文献
问题
练习题
课题
第2章利用回归和相关分析做推断
2.1关于β1的推断
b1的抽样分布
(b1-β1)/s{bi}的抽样分布
β1的置信区间
β1的检验
2.2关于β0的推断
b0的抽样分布
(b0-β0)/s{b0}的抽样分布
β0的置信区间
2.3进行β0和β1推断的注意事项
正态偏差效应
对置信系数和误差风险的解释
x水平间距
检验的功效
2.4E{Yh}的区间估计
Ψh的抽样分布
(Ψh-E{Ψh})/s{Ψh}的
抽样分布
E{Yh}的置信区间
2.5新观测值的预测
参数已知时Yh(new)的预测区间
参数未知时Yh(new)的预测区间
给定Xh的m个新观测值的均值预测
2.6回归线的置信带
2.7回归分析的方差分析法
总平方和的划分
自由度的分解
……
第3章诊断和修正测度
第4章回归分析的联合推断和其他论题
第5章简单线性回归分析的矩阵法
第2部分多重线性回归
第6章多重回归Ⅰ
第7章多重回归Ⅱ
第8章定量和定性预测谜题的回归模型
第9章构建回归模型Ⅰ:模型的选择与评价
第10章构建回归模型Ⅱ:诊断
第11章构建回归模型Ⅲ:修正测度
第12章时序数据的自相关
第3部分非线性回归
第13章非线性回归的引入和神经网络
第14章Logistic回归、泊松回归和广义线性模型
附录A概率统计的一些基本结果
附录B表
附录C数据集
附录D完善ANoVA模型的法则和平衡设计表
附录E参考书目
索引
摘要
本书分为三部分:第1部分简单线性回归,内容涉及单个预测变量的线性回归、利用回归和相关分析做推断、诊断和修正测度、回归分析的联合推断和其他论题以及简单线性回归分析的矩阵法等内容;第2部分多重线性回归、内容涉及多重回归Ⅰ,多重回归Ⅱ,定量和定性预测变量的回归模型、构建回归模型Ⅰ、构建回归模型Ⅱ、构建回归模型Ⅲ、时序数据中的自相关等内容;第3部分非线性回归,内容涉及非线性回归的引入和神经网络、Logistic回归、泊松回归和广义线性模型等内容。本书篇幅适中,例子涉及各个应用领域,在介绍统计思想方面比较突出,数据丰富。
   本书适用于高等院校统计学专业和理工科各专业本科生和研究生作为教材使用。

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网