应用统计

本书较详细地介绍了多种常用的统计模型和分析方法，其中包括：极大似然法、分布的估计与检验、线性回归、方差分析与试验设计、寿命数据的模型与分析以及分类数据的模型与分析等。书中各章还配备了适量的练习和参考文献。在书后附有关于SAS/STAT统计软件的简介及常用的统计数表，以备查阅。 本书可作为高等院校非数学专业的硕士和博士研究生和高年级本科生学习应用统计课程的教科书，也可作为具有相当学历的读者自学应用统计的参考书。

前言   第1章  极大似然法及其应用     1.1极大似然估计     1.1.1极大似然估计的定义     1.1.2似然方程及ML估计的数值解法   1.1.3ML估计的相合性质及渐近正态性   1.1.4单参数ML估计的近似分布   1.1.5多参数ML估计的近似分布   1.2似然比与基于ML估计的检验   1.2.1单参数模型下的似然比检验   1.2.2多参数模型下的似然比检验   1.2.3基于ML估计的检验   1.2.4实例分析   课外练习   参考文献   第2章  分布的估计与检验     2.1基于经验分布的估计与检验     2.1.1引言     2.1.2经验分布函数与直方图     2.1.3单个分布假设的科尔莫戈罗夫检验   2.2分布的x的平方检验     2.2.1单个分布的x的平方检验   2.2.2分布族的X的平方检验   2.3正态性检验   2.3.1偏度和峰度检验   2.3.2正态概率纸检验   课外练习   参考文献 第3章  线性回归   3.1简单线性回归模型   3.1.1引言   3.1.2回归系数的最小二乘估计   3.1.3误差方差的估计   3.1.4统计量的分布   3.1.5参数区间估计与t检验     3.1.6决定系数和F统计量   3.1.7预测   附录   3.2多重线性回归模型   3.2.1参数估计     3.2.2参数估计的分布与置信区间   3.2.3多重线性模型的有效性检验   3.2.4单个参数的检验     3.2.5预测     3.3变量选择及多重共线性问题     3.3.1变量选择的maxR的平方法   3.3.2向后、向前和逐步回归     3.3.3交叉验证     3.3.4多重共线性   3.3.5克服多重共线性困难的方法   3.4模型与变量的扩展     3.4.1线性回归模型的扩展     3.4.2变量的扩展     3.5残差分析     3.5.1残差的分布与学生化残差     3.5.2残差点图所提供的信息   3.5.3离群值与影响点     3.5.4关于误差的正态性     课外练习     参考文献   第4章  方差分析与试验设计     4.1单因子方差分析     4.2双因子方差分析     4.2.1双因子有重复试验的方差分析。   4.2.2双因子无重复试验的方差分析   4.3正交因子试验设计原理     4.3.1多因子方差分析简述     4.3.2正交设计的思路及一例     4.3.3正交试验设计的一般原理   4.4正交表及其应用     4.4.1正交表与无交互效应模型     4.4.2用正交表分析交互效应模型   4.4.3用正交表安排区组试验   4.4.4拟水平     4.4.5要不要方差分析     课外练习     参考文献   第5章  寿命数据的模型与分析     5.1基本概念   ……  ……   5.2参数估计与假设检验     5.3生命表、非参数方法与图方法     5.4回归模型     课外练习     分考文献   第6章  分类数据的模型与分析     6.1引言     6.2两个分类变量的模型与分析     6.3三个分类变量的模型与分析     6.5Logit和Logistic回归   课外练习   参考文献 附录ASAS/STAT程序库简介 附录B常用统计表   B.2常用正交设计表 中英文名词索引 (节选)