數(shù)理統(tǒng)計及其應用（英文版·原書第6版）

定　價：￥139.00

作　者：	[美] 理查德·J.·拉森，莫里森·L.·馬克思著
出版社：	機械工業(yè)出版社
叢編項：	華章統(tǒng)計學原版精品系列
標　簽：	暫缺

購買這本書可以去

京東 (￥139.00)

ISBN：	9787111624073	出版時間：	2019-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	735	字數(shù)：

內(nèi)容簡介

　　本書以全面而有趣的方式介紹概率論與數(shù)理統(tǒng)計的基礎知識，不僅講授了實驗設計和數(shù)據(jù)分析方法，而且重視培養(yǎng)將這些原理應用于實踐的技能。第6版主要更新： ·共18個新的“案例研究”，以幫助讀者理解新增的概念。 ·第2章包含10個新例子，包括對“愷撒*后一口氣”問題的重復獨立試驗分析。 ·第4章新增一個附錄，總結了常用概率密度函數(shù)的所有重要屬性。 ·第5章重寫了參數(shù)估計（5.2節(jié)）誤差邊緣（5.3節(jié)）的內(nèi)容。 ·第8章擴展了關于不同數(shù)據(jù)模型的討論，并增加析因數(shù)據(jù)模型。 ·第11章對非線性模型部分進行了全面修訂，重點強調它們與不同增長律的關系。 ·第12章增加一節(jié)，展示了如何在不知道任何單個測量值的情況下“重建”k樣本數(shù)據(jù)集的整個ANOVA表。 · 本書配套網(wǎng)站www.pearsonhighered.com/mathstatsresources/ 可以下載第15章和文中分析所用的數(shù)據(jù)集。該網(wǎng)站還為學生和教師提供其他一些資源。

作者簡介

　　理查德·J. 拉森（Richard J. Larsen）范德堡大學數(shù)學系教授，曾任本科教學主任17年，因杰出的教學成果而獲得1976年的Ingalls獎。他于2005年退休，學校為了紀念他而設立了Richard J. Larsen本科數(shù)學教學成就獎。莫里森·L. 馬克思（Morris L. Marx）西佛羅里達大學數(shù)學與統(tǒng)計學教授，專注于統(tǒng)計學、概率論、幾何和拓撲方面的教學與研究。曾于1988~2002年擔任該校第三任校長。

圖書目錄

第1章　緒論1
1.1　概述1
1.2　一些例子2
1.3　發(fā)展簡史6
1.4　本章小結14
第2章　概率15
2.1　引論15
2.2　樣本空間和集合代數(shù)17
2.3　概率函數(shù)26
2.4　條件概率31
2.5　獨立性50
2.6　組合65
2.7　組合概率89
2.8　再看統(tǒng)計學（蒙特卡羅技術）99
第3章　隨機變量102
3.1　引論102
3.2　二項式和超幾何概率103
3.3　離散隨機變量116
3.4　連續(xù)隨機變量127
3.5　期望值137
3.6　方差153
3.7　聯(lián)合密度160
3.8　變換和組合隨機變量174
3.9　均值和方差的更多性質182
3.10　順序統(tǒng)計量192
3.11　條件密度199
3.12　矩母函數(shù)206
3.13　再看統(tǒng)計學（解釋均值）215
第4章　特殊分布218
4.1　引論218
4.2　泊松分布219
4.3　正態(tài)分布235
4.4　幾何分布257
4.5　負二項分布259
4.6　伽馬分布267
4.7　再看統(tǒng)計學（蒙特卡羅模擬）271
附錄4.A.1　常用概率密度函數(shù)的性質274
附錄4.A.2　中心極限定理的證明276
第5章　估計278
5.1　引論278
5.2　估計參數(shù)：最大似然法和矩量法280
5.3　區(qū)間估計293
5.4　估計量的性質308
5.5　最小方差估計：Cramér-Rao下界316
5.6　充分估計量319
5.7　一致性326
5.8　貝葉斯估計329
5.9　再看統(tǒng)計學（超越經(jīng)典估計）341
第6章　假設檢驗343
6.1　引論343
6.2　決策規(guī)則 344
6.3　檢驗二項式數(shù)據(jù)—H0 : p = po353
6.4　第一類和第二類錯誤359
6.5　最優(yōu)性的概念：廣義似然比375
6.6　再看假設檢驗（統(tǒng)計顯著性與“實際”顯著性）378
第7章　基于正態(tài)分布的推斷380
7.1　引論380
7.2　比較和381
7.3　推導的分布383
7.4　關于的推斷389
7.5　關于2的推斷404
7.6　再看統(tǒng)計學（第二類錯誤）412
附錄7.A.1　Y–和S2的一些分布結果414
附錄7.A.2　證明單樣本t檢驗是GLRT416
附錄7.A.3　定理7.5.2的證明418
第8章　數(shù)據(jù)類型：簡要概述421
8.1　引論421
8.2　分類數(shù)據(jù)427
8.3　再看統(tǒng)計學（為什么樣本是無效的）448
第9章　兩樣本推斷450
9.1　引論450
9.2　檢驗H0 : X = Y451
9.3　檢驗H0 : X2 = Y2—F檢驗463
9.4　二項式數(shù)據(jù)：檢驗H0 : pX = pY468
9.5　兩樣本問題的置信區(qū)間473
9.6　再看統(tǒng)計學（選擇樣本）478
附錄9.A.1　對兩樣本t檢驗的推導（定理9.2.2的證明）480
第10章　擬合優(yōu)度檢驗483
10.1　引論483
10.2　多項式分布484
10.3　擬合優(yōu)度檢驗：所有參數(shù)已知488
10.4　擬合優(yōu)度檢驗：參數(shù)未知498
10.5　列聯(lián)表507
10.6　再看統(tǒng)計學（離群值）517
第11章　回歸520
11.1　引論520
11.2　最小二乘法520
11.3　線性模型543
11.4　協(xié)方差與相關性563
11.5　二元正態(tài)分布570
11.6　再看統(tǒng)計學（如何不解釋樣本相關系數(shù)）576
附錄11.A.1　定理11.3.3的證明577
第12章　方差分析580
12.1　引論580
12.2　F檢驗582
12.3　多重比較：Tukey方法592
12.4　對比檢驗子假設596
12.5　數(shù)據(jù)變換604
12.6　再看統(tǒng)計學（把統(tǒng)計學的各個學科結合起來—Ronald A. Fisher的貢獻）606
附錄12.A.1　定理12.2.2的證明608
附錄12.A.2　H1為真時的分布608
第13章　隨機區(qū)組設計613
13.1　引論613
13.2　隨機區(qū)組設計的F檢驗614
13.3　配對t檢驗628
13.4　再看統(tǒng)計學（在兩樣本t檢驗和配對t檢驗中進行選擇）634
第14章　非參數(shù)統(tǒng)計638
14.1　引論638
14.2　符號檢驗639
14.3　Wilcoxon檢驗645
14.4　Kruskal-Wallis檢驗658
14.5　Friedman檢驗662
14.6　隨機性檢驗665
14.7　再看統(tǒng)計學（比較參數(shù)化和非參數(shù)化過程）669
第15章　析因數(shù)據(jù)（在線）15-1
15.1　引論15-1
15.2　兩因子析因15-4
15.3　兩因子析因的平方和15-16
15.4　期望均方15-26
15.5　例子15-30
15.6　三因子析因設計15-40
15.7　2n設計15-51
15.8　分式析因15-72
附錄A　統(tǒng)計表674
奇數(shù)編號問題的答案701
參考文獻725

Contents
1 Introduction 1
1.1 AnOverview 1
1.2 SomeExamples 2
1.3 ABriefHistory 6
1.4 AChapterSummary 14
2 Probability 15
2.1 Introduction15
2.2SampleSpacesandtheAlgebraofSets17
2.3TheProbabilityFunction26
2.4ConditionalProbability31
2.5Independence50
2.6Combinatorics65
2.7CombinatorialProbability89
2.8TakingaSecondLookatStatistics(MonteCarloTechniques)99
3RandomVariables102
3.1Introduction102
3.2BinomialandHypergeometricProbabilities103
3.3DiscreteRandomVariables116
3.4ContinuousRandomVariables127
3.5ExpectedValues137
3.6TheVariance153
3.7JointDensities160
3.8TransformingandCombiningRandomVariables174
3.9FurtherPropertiesoftheMeanandVariance182
3.10OrderStatistics192
3.11ConditionalDensities199
3.12Moment-GeneratingFunctions206
3.13TakingaSecondLookatStatistics(InterpretingMeans)215
4SpecialDistributions218
4.1Introduction218
4.2ThePoissonDistribution2