概率統(tǒng)計(原書第4版) [美]莫里斯·H. 德格魯特 [美]馬克·J. 舍維什
定 價:179 元
- 作者:[美]莫里斯·H. 德格魯特 [美]馬克·J. 舍維什
- 出版時間:2024/8/1
- ISBN:9787111746669
- 出 版 社:機械工業(yè)出版社
- 中圖法分類:O211
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
本書包括概率論、數(shù)理統(tǒng)計兩部分,涉及條件分布、期望、大樣本理論、估計、假設(shè)檢驗、非參數(shù)方法、線性統(tǒng)計模型、統(tǒng)計模擬等,內(nèi)容取材比較時尚新穎。新版不但重寫了很多章節(jié),還介紹了在計算機科學中日益重要的Chernoff界,以及矩方法、Newton法、EM算法、樞軸量、似然比檢驗的大樣本分布等方面的知識,將目前研究前沿的一些問題深入淺出地融人教材。書中內(nèi)容豐富完整,適當?shù)剡x擇某些章節(jié),可以作為一學年的概率論與數(shù)理統(tǒng)計課程的教材,亦可作為一學期的概率論與隨機過程的教材。適合數(shù)學、統(tǒng)計學、經(jīng)濟學等專業(yè)高年級本科生和研究生用,也可供統(tǒng)計工作人員用作參考書。
本書是知名統(tǒng)計學家莫里斯·H. 德格魯特(Morris H.DeGroot)編寫的經(jīng)典教材,暢銷多年,被卡內(nèi)基梅隆大學、哈佛大學、麻省理工學院、華盛頓大學、芝加哥大學、康內(nèi)爾大學、杜克大學和加州大學洛杉磯分校等眾國際名校選作教材。書中不僅包括經(jīng)典概率統(tǒng)計主題條件分布、期望、大樣本理論、估計、假設(shè)檢驗、非參數(shù)方法、線性統(tǒng)計模型和統(tǒng)計模擬等內(nèi)容,還介紹了在計算機科學中日益重要的切爾諾夫界、矩方法、牛頓法、EM算法、樞軸量、隨機模擬、MCMC、自助法等方面的知識,將當先前沿研究的一些問題深入淺出地融入教材。例題涉及面廣泛,取材新穎、豐富,利用實際數(shù)據(jù),對相關(guān)的統(tǒng)計概念與統(tǒng)計推斷過程進行解釋,生動,有趣,令人印象深刻。?本書還介紹了在計算機科學中日益重要的切爾諾夫界,以及矩方法、牛頓法、EM算法、樞軸量、隨機模擬、MCMC、自助法等方面的知識,將目前研究前沿的一些問題深入淺出地融入教材。本書理論扎實,例子豐富,
前言
第4版的主要變化
重組了正文中的很多重要結(jié)果,給它們加上“定理”這個標簽,這樣做是為了方便學生查找和參考這些結(jié)果。
為了讓正文中的重要定義和假設(shè)更加凸顯,把它們挑選出來,并加上相應(yīng)的標簽。
當要介紹一個新的主題時,在探究數(shù)學理論之前先用一個具有啟發(fā)性的例子引入該主題,然后再回到這個例子來闡明新引入的內(nèi)容。
把與大數(shù)定律和中心極限定理相關(guān)的內(nèi)容從原來的第5章中抽取出來,放在全新的第6章中介紹,將之與大樣本結(jié)論放到一起討論似乎更自然。
把馬爾可夫鏈這一節(jié)從第3版的第2章移到第4版的第3章。每次我給自己的學生介紹這部分內(nèi)容時,都會因為不能提及隨機變量、分布和條件分布而陷入困境。實際上我已經(jīng)把這部分內(nèi)容推遲了,在介紹完分布之后,再回頭介紹馬爾可夫鏈。我覺得是時候把它置于一個更合適的位置了。我還增加了一些關(guān)于馬爾可夫鏈的平穩(wěn)分布方面的內(nèi)容。
為了提高思想呈現(xiàn)的流暢性,我把一些定理的冗長證明放到相關(guān)小節(jié)的末尾。
重寫了71節(jié),即“統(tǒng)計推斷”這一節(jié),使得推斷的介紹更清晰明了。
重寫了91節(jié),這是為了更全面地介紹假設(shè)檢驗,包括似然比檢驗。對于那些對假設(shè)檢驗的更多數(shù)學理論不感興趣的教師來說,從91節(jié)直接跳到95節(jié)變得更容易了。
下面給出了讀者應(yīng)該注意的其他變化:
以前表示兩個集合A與B的交集的記號為AB,現(xiàn)在替換為更流行的A∩B了。舊的記號雖然在數(shù)學上是合乎邏輯的,但是對于這一層次的教材來說,似乎有些晦澀了。
增加了對斯特林公式和詹森不等式的敘述。
全概率法則和樣本空間的劃分從第3版的23節(jié)移到第4版的21節(jié)。
累積分布函數(shù)(cdf)曾專指分布函數(shù)(df),所以在本版中把累積分布函數(shù)定義為分布函數(shù)這個首選名稱。
在第3章和第6章中增加了直方圖的內(nèi)容。
重新安排了38節(jié)和39節(jié)中的一些主題,讓隨機變量的簡單函數(shù)最先出現(xiàn),一般的公式最后再出現(xiàn),這樣,對于那些打算避免具有數(shù)學挑戰(zhàn)性部分的教師來說就更容易了。
列舉了大量可用的條目強調(diào)超幾何分布與二項分布之間的密切關(guān)系。
簡單介紹了切爾諾夫邊界。切爾諾夫邊界在計算機科學中日益重要,而它們的推導(dǎo)只需用本教材中的內(nèi)容就足夠了。
改變了置信區(qū)間的定義,它指的是隨機區(qū)間,而不是觀察區(qū)間。這不但使闡述更容易,也符合更現(xiàn)代的應(yīng)用。
在76節(jié)簡要介紹了矩估計法。
在第7章還簡要介紹了牛頓法和EM算法的入門知識。
為了便于構(gòu)造一般的置信區(qū)間,我還介紹了樞軸量的概念。
書中還介紹了似然比檢驗統(tǒng)計量的大樣本分布,這也是新增加的內(nèi)容。當假設(shè)方差不相等時,這可作為檢驗原假設(shè)“兩個正態(tài)分布的均值相等”的備選方法。
把Bonferroni不等式移到正文部分(見第1章),第11章又把它作為構(gòu)造聯(lián)合檢驗和聯(lián)合置信區(qū)間的一種方法。
怎樣使用本書
這本書有點厚,不太可能在一學年的本科課程中介紹全部內(nèi)容。這樣設(shè)置是為了讓教師能夠自由選擇哪些主題是必須要掌握的,哪些主題可供進一步深入學習。比如,很多教師希望不再強調(diào)經(jīng)典計數(shù)的內(nèi)容,這部分內(nèi)容在17~19節(jié)。還有一部分教師只想全面介紹二項分布或多項分布相關(guān)的知識,那么他們可以只介紹排列、組合和可能的多項系數(shù)的定義和定理。只需要確保學生知道如何算出這些值,其他相關(guān)的分布都沒有意義。對于理解重要的分布來說,在這些章節(jié)中的各種例子是很有用的,但不是必需的。另一個例子是39節(jié)關(guān)于兩個或多個隨機變量的函數(shù)。一般多元變換的雅可比行列式的應(yīng)用涵蓋了更多的數(shù)學知識,這或許比某些本科課程的教師所希望的還要多。整個這一節(jié)可以略去,而不會對后續(xù)學習造成任何影響,但是本節(jié)前面那些更簡單的案例(比如卷積)還是很值得介紹的。92~94節(jié)涉及單參數(shù)族的最優(yōu)檢驗,這部分內(nèi)容的數(shù)學理論很深奧,想深入理解假設(shè)檢驗理論的研究生可能對此很感興趣。第9章的其余部分涵蓋了本科課程所需要教授的全部知識。
除了本書之外,培生教育出版集團還提供教師解答手冊(Instructors Solutions Manual),該手冊可從教師資源中心下載(wwwpearsonhigheredcom/irc),其中包括教材中很多章節(jié)的具體選擇建議。從本書的早期版本開始我就一直用它作為一學年概率和統(tǒng)計課程的教材,給本科高年級學生上課。在第一學期,我介紹本教材的前5章(包括馬爾可夫鏈的內(nèi)容)和第6章的部分內(nèi)容,這些內(nèi)容在前幾版中也有。在第二學期,我講述第6章的其余部分,第7~9章,111~115節(jié)和第12章。我也給工程師和計算機科學家教授過一學期的概率論與隨機過程的課程,我選擇第1~6章和第12章的內(nèi)容,包括馬爾可夫鏈,但是不包括雅可比行列式。后面這一課程不同于數(shù)學系的課程,后者強調(diào)數(shù)學推導(dǎo)。
關(guān)于教
莫里斯·H. 德格魯特(Morris H.DeGroot)美國統(tǒng)計學家,曾任卡內(nèi)基·梅隆大學教授,是卡內(nèi)基·梅隆大學統(tǒng)計系創(chuàng)始主任。他于1970年出版的Optimal Statistical Decisions至今仍被認為是該領(lǐng)域的偉大著作之一。他是美國統(tǒng)計協(xié)會、國際數(shù)理統(tǒng)計學會、國際統(tǒng)計學會、世界計量經(jīng)濟學會和美國科學促進會的會士。他于1989年去世。國際貝葉斯分析學會的DeGroot獎?wù)且运拿置,以表彰他在統(tǒng)計與決策理論方面工作的影響和重要性,以及對該學科發(fā)展的顯著影響。
馬克·J. 舍維什(Mark J. Schervish)任教于卡內(nèi)基·梅隆大學統(tǒng)計學系。他發(fā)表了應(yīng)用、方法論、理論和哲學研究論文,并出版了教科書和研究專著。他以在推理和貝葉斯統(tǒng)計基礎(chǔ)方面的工作而聞名。Schervish曾在頂級統(tǒng)計期刊的編輯委員會任職,是美國統(tǒng)計協(xié)會和國際數(shù)理統(tǒng)計學會的會士。
目錄
譯者序
前言
第1章關(guān)于概率的引言1
11概率的歷史1
12概率的解釋1
13試驗和事件4
14集合論4
15概率的定義13
16有限樣本空間17
17計數(shù)方法20
18組合方法26
19多項式系數(shù)35
110和事件的概率39
111統(tǒng)計詐騙43
112補充習題45
第2章條件概率47
21條件概率的定義47
22獨立事件56
23貝葉斯定理65
*24賭徒破產(chǎn)問題73
25補充習題76
第3章隨機變量及其分布79
31隨機變量及離散分布79
32連續(xù)分布84
33分布函數(shù)91
34二元隨機變量的分布99
35邊際分布109
36條件分布120
37多元分布130
38隨機變量的函數(shù)144
39兩個或多個隨機變量的函數(shù)150
*310馬爾可夫鏈161
311補充習題174
第4章數(shù)學期望178
41隨機變量的數(shù)學期望178
42數(shù)學期望的性質(zhì)186
43方差193
44矩200
45均值和中位數(shù)207
46協(xié)方差和相關(guān)系數(shù)213
47條件期望219
*48效用227
49補充習題233
第5章特殊分布236
51引言236
52伯努利分布和二項分布236
53超幾何分布241
54泊松分布247
55負二項分布255
56正態(tài)分布259
57伽馬分布271
58貝塔分布281
59多項分布286
510二元正態(tài)分布290
511補充習題296
第6章大隨機樣本299
61引言299
62大數(shù)定律300
63中心極限定理311
64連續(xù)性修正321
65補充習題324
第7章估計325
71統(tǒng)計推斷325
72先驗分布和后驗分布332
73共軛先驗分布340
74貝葉斯估計量351
75極大似然估計量360
76極大似然估計量的性質(zhì)368
*77充分統(tǒng)計量383
*78聯(lián)合充分統(tǒng)計量388
*79估計量的改進394
710補充習題400
第8章估計量的抽樣分布403
81統(tǒng)計量的抽樣分布403
82卡方分布407
83樣本均值和樣本方差的聯(lián)合
分布410
84t分布417
85置信區(qū)間421
*86正態(tài)分布樣本的貝葉斯分析430
87無偏估計量440
*88Fisher信息量447
89補充習題460
第9章假設(shè)檢驗462
91假設(shè)檢驗問題462
*92簡單假設(shè)的檢驗479
*93一致最大功效檢驗488
*94雙邊備擇假設(shè)496
95t檢驗503
96比較兩個正態(tài)分布的均值513
97F分布523
*98貝葉斯檢驗530
*99基本問題541
910補充習題544
第10章分類數(shù)據(jù)和非參數(shù)方法548
101擬合優(yōu)度檢驗548
102復(fù)合假設(shè)的擬合優(yōu)度檢驗556
103列聯(lián)表563
104同質(zhì)性檢驗568
105Simpson悖論574
*106KolmogorovSmirnov檢驗577
*107穩(wěn)健估計585
*108符號檢驗和秩檢驗595
109補充習題602
第11章線性統(tǒng)計模型605
111最小二乘法605
112回歸612
113簡單線性回歸的統(tǒng)計推斷620
*114簡單線性回歸的貝葉斯推斷639
115一般線性模型與多元回歸645
116方差分析663
*117雙因子試驗設(shè)計671
*118具有復(fù)制的雙因子試驗
設(shè)計679
119補充習題689
第12章模擬693
121什么是模擬693
122為什么模擬是有用的696
123特定分布的模擬707
124重要性抽樣718
*125馬爾可夫鏈蒙特卡羅
(MCMC)方法726
126自助法740
127補充習題749
奇數(shù)序號習題答案753
附錄774
參考文獻786