計算統計,2/e (Computational Statistics, 2/e)
傑夫·H·吉文斯
- 出版商: 西安交通大學
- 出版日期: 2019-09-22
- 定價: $708
- 售價: 8.5 折 $602
- 語言: 簡體中文
- 頁數: 409
- 裝訂: 平裝
- ISBN: 7569302583
- ISBN-13: 9787569302585
-
相關分類:
機率統計學 Probability-and-statistics
- 此書翻譯自: Computational Statistics, 2/e
立即出貨 (庫存=1)
買這商品的人也買了...
-
機率系統與隨機信號 (Probabilistic Systems and Random Signals)$450$405 -
隨機過程導論$350$315 -
Python 錦囊妙計, 3/e (Python Cookbook, 3/e)$880$695 -
CUDA 並行程序設計 : GPU 編程指南 (CUDA Programming: A Developer's Guide to Parallel Computing with GPUs)$594$564 -
機率學, 3/e (Yates: Probability and Stochastic Processes: A Friendly Introduction for Electrical and Computer Engineers, 3/e)$450$441 -
$403CUDA 高性能並行計算 -
SQLite 關聯式資料庫 -- 使用 SQLiteStudio 結合 App Inventor 2 實作--最新版$480$432 -
統計學習方法, 2/e$500$470 -
$653深度學習私房菜：跟著案例學 TensorFlow -
統計反思：用R和Stan例解貝葉斯方法 (Statistical Rethinking: A Bayesian Course with Examples in R and Stan)$834$792 -
$709Vulkan 開發實戰詳解 -
Hadoop 大數據技術開發實戰$469$446 -
深度學習模型及應用詳解$422$401 -
$379TensorFlow 移動端機器學習實戰 -
機器學習線性代數基礎 (Python 語言描述)$294$279 -
$254大數據數學基礎 (Python語言描述) -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
當代機率：理論與應用, 4/e (Ghahramani: Fundamentals of Probability With Stochastic Processes, 4/e)$810$770 -
作業研究, 10/e (Hillier: Introduction to Operations Research, 10/e)$880$836 -
深度學習的數學：用數學開啟深度學習的大門 (書況略舊,不介意在下單)$500$425 -
生成深度學習｜訓練機器繪畫、作曲、寫作與玩遊戲 (Generative Deep Learning)$580$458 -
線性代數應該這樣學, 3/e$419$398 -
深度探索 C++14 (Discovering Modern C++: An Intensive Course for Scientists, Engineers, and Programmers)$768$730 -
自學機器學習 - 上 Kaggle 接軌世界，成為資料科學家$680$537 -
$658概率與統計:面向計算機專業:原書第3版
相關主題
商品描述
本書涵蓋了計算統計領域的幾乎所有核心內容，既包含一些經典的統計計算方法，如求解非線性方程組的牛頓方法、傳統的隨機模擬方法，又係統地介紹了近些年來發展起來的計算統計中的某些新方法，如模擬退火算法、基因算法、EM算法、MCMC方法、Bootstrap方法等。另外，本書時效性強、實例豐富，書後還提供了大量不同難度的習題以供讀者練習。本書可作為數學、統計學、科學計算等專業的本科生教材，也可供統計學方向的研究生、工程技術人員和應用工作者參考使用。
作者簡介
作者:(美)傑夫·H·吉文斯作者:珍妮弗·A·赫特譯者:週丙常譯者:孫浩
GEOF H.GIVENS，博士，科洛拉多州立大學統計系副教授。他是期刊ComputationalStatistics and Data Analysis的副主編。他的研究興趣包括野生動物保護生物學中的統計問題、種群建模和管理、計算機自動人臉識別。
Givens已經教授研究生計算統計課程將近20年，並開設了針對全球領先的統計學家和科學家的短期課程。JENNIFER A.HOETING，博士，科洛拉多州立大學統計系教授。她主持了國家自然基金，也是期刊Journal of the American Statistical Association和Environmetrics的副主編。她的研究興趣包括空間統計、貝葉斯方法和模型選擇。
Hoeting已經教授研究生計算統計課程將近20年，並開設了針對全球領先的統計學家和科學家的短期課程。
目錄大綱
第1章回顧
1.1數學記號.1
1.2Taylor定理和數學極限理論.2
1.3統計記號和概率分佈.3
1.4似然推斷.8
1.5貝葉斯推斷.9
1.6統計極限理論.11
1.7馬氏鏈. 12
1.8計算.14
第一部分優化17
第2章優化與求解非線性方程組19
2.1單變量問題.20
2.2多元問題.30
習題.47
第3章組合優化51
3.1難題和NP完備性.51
3.2局部搜索法.56
3.3模擬退火.59
3.4遺傳算法.64
3.5禁忌算法.73
習題.78
第4章EM優化方法82
4.1缺失數據、邊際化和符號.82
4.2EM算法.83
4.3EM變型.94
習題.102
第二部分積分和模擬109
第5章數值積分111
5.1Newton-Cootes求積.111
5.2Romberg積分.119
5.3Gauss求積.123
5.4常見問題.126
習題.127
第6章模擬與MonteCarlo積分130
6.1MonteCarlo方法介紹.130
6.2精確模擬.131
6.3近似模擬.140
6.4方差縮減技術.155
習題.168
第7章MCMC方法172
7.1METROPOLIS-HASTINGS算法.172
7.2Gibbs抽樣機.178
7.3實施.187
習題.197
第8章MCMC中的深入論題202
8.1自適應MCMC.202
8.2可逆跳躍MCMC.213
8.3輔助變量方法.219
8.4其他METROPOLIS-HASTINGS算法.222
8.5完美抽樣.225
8.6馬爾科夫鏈極大似然.228
8.7例子:馬爾科夫隨機域上的MCMC算法.229
習題.238
第三部分Bootstrapping243
第9章Bootstrapping245
9.1Bootstrap的基本原則.245
9.2基本方法.246
9.3Bootstrap推斷.250
9.4縮減蒙特卡洛誤差.258
9.5相依數據的Bootstrapping.259
9.6Bootstrap的性質.269
9.7Bootstrap方法的其他用途.270
9.8置換檢驗.271
習題.272
第四部分密度估計和光滑方法275
第10章非參密度估計277
10.1績效度量.278
10.2核密度估計.279
……
第11章二元光滑方法309
第12章多元光滑方法334
