本書內(nèi)容主要有隨機(jī)事件及其概率、隨機(jī)變量及其分布、隨機(jī)變量的數(shù)字特征、極限定理初步、數(shù)理統(tǒng)計的基礎(chǔ)概念、參數(shù)估計、假設(shè)檢驗。
本書基于PyMC語言以及一系列常用的Python數(shù)據(jù)分析框架，如NumPy、SciPy和Matplotlib，通過概率編程的方式，講解了貝葉斯推斷的原理和實現(xiàn)方法。該方法常�？梢栽诒苊庖氪罅繑�(shù)學(xué)分析的前提下，有效地解決問題。書中使用的案例往往是工作中遇到的實際問題，有趣并且實用。作者的闡述也盡量避免冗長的數(shù)學(xué)分析，而
本書展示了如何運(yùn)用數(shù)學(xué)資源中的圖論來理解復(fù)雜對數(shù)線性模型表明的關(guān)聯(lián)結(jié)構(gòu)。作者首先回顧了二向與多向列聯(lián)表的關(guān)系模式，以及這些表的對數(shù)線性模型。在介紹了圖論中的一些關(guān)鍵概念后，作者緊接著將這些思想應(yīng)用到對數(shù)線性模型的兩個圖形典型中：關(guān)聯(lián)圖和生成多重圖。利用豐富示例以及清晰解釋，作者展示了對數(shù)線性模型的兩個圖形典型如何說明模
什么是合并時間序列？正如字面上所表達(dá)的，時間序列（在一個分析單位下規(guī)律出現(xiàn)的具有時間性的觀測值）由橫截面數(shù)據(jù)（在單獨時間點上一個分析單位下的觀測值）組成的一個數(shù)據(jù)集。這些分析單位可以是學(xué)校、健康組織、商業(yè)交易、城市、國家等。為什么需要進(jìn)行合并分析呢？其中一個原因在于，當(dāng)下研究者可以獲得越來越多的相關(guān)橫截面數(shù)據(jù)與時間序列
《狄氏型和對稱馬爾科夫過程》是學(xué)習(xí)狄氏型和對稱馬爾科夫過程的標(biāo)準(zhǔn)參考書。第一部分主要包括對狄氏型理論的介紹和綜合理解。狄氏型是在馬爾科夫半群方向下的一種經(jīng)典的狄氏積分的公理化擴(kuò)張。第二部分包括分析理論，對稱馬爾科夫理論的概率位勢理論，以及加性泛函數(shù)等。本書各章有習(xí)題，書后附有題解。讀者對象：應(yīng)用數(shù)學(xué)領(lǐng)域的研究人員和研究
《吉布斯測度和相變》不僅僅是對吉布斯測度和相變的一個簡單的介紹，其中還包括統(tǒng)計力學(xué)下相變中的數(shù)學(xué)理論和廣泛而具有深度的討論。本書主要包括四部分，第一部分是理論的基本理論；第二部分是對經(jīng)典理論一系列結(jié)果的總結(jié)；第三部分是在Zd上的空間分布均勻的吉布斯測度；第四部分是基于Zd移位不變性模型的相位變化的存在性。讀者對象：數(shù)學(xué)
本書全面總結(jié)了離散時間、一般狀態(tài)空間的馬爾可夫過程理論,特別給出了通常的遍歷性和幾何遍歷性的判別準(zhǔn)則,以及馬爾可夫過程理論在通訊網(wǎng)絡(luò)等工程技術(shù)領(lǐng)域中的大量應(yīng)用實例。本書起點不高，論述詳盡，條理清楚，曾獲得1994年度ORSA/TIMS“應(yīng)用概率優(yōu)秀出版物獎”。第2版保留了第一版的內(nèi)容和風(fēng)格，并新增“第2版結(jié)束語”一章。
《半?yún)?shù)平滑轉(zhuǎn)換自回歸模型理論研究及其應(yīng)用/墨香財經(jīng)學(xué)術(shù)文庫》使用非參數(shù)方法拓展傳統(tǒng)的STAR模型，首次提出半?yún)?shù)STAR模型。在保持STAR模型基本形式不變的前提下，讓轉(zhuǎn)換變量以非參數(shù)的形式進(jìn)入轉(zhuǎn)換函數(shù)，在保留傳統(tǒng)STAR模型較好的經(jīng)濟(jì)學(xué)解釋能力的同時，該模型能夠避免模型誤設(shè)的風(fēng)險，從而提高模型的樣本外預(yù)測能力�！栋�
書單推薦 更多 新書推薦 更多
