內容大鋼
本書從簡單線性回歸開始，帶領讀者從零基礎出發學習一種方法，建立估計和推斷的整個理論框架，進而獲得適用於其他背景的工具、方法和直覺。本書對數學的要求非常低，甚至不要求讀者對微積分、線性代數和概率論有系統的理解，只需要掌握附錄A中列出的相關知識就夠了。這就使得本書可以作為理工科學生學習數理統計的預備資料，也可以作為法學、心理學及其他人文社科專業學生的統計學教材，還可以作為希望提高對統計技術的理解的業界人員和將解釋研究結果作為其工作的一部分的專業人員的自學指導書。
作者介紹
(美)M.D.埃奇|責編:劉慧|譯者:冉啟康
M.D.埃奇，南加州大學定量和計算生物學系助理教授。他的研究小組開發了進化遺傳學的統計方法和數學模型，特別關注進化遺傳學與醫學和法學應用的交叉領域。他擁有斯坦福大學生物學博士學位、加州大學伯克利分校統計學和心理學碩士學位，以及斯坦福大學人類生物學學士學位，還曾在加州大學戴維斯分校從事博士后研究。
目錄
譯者序
前言
致謝
第1章 初識數據
第2章 R軟體與探索性數據分析
2.1 與R軟體交互
2.2 教程：鳶尾數據
2.3 本章小結
2.4 延伸閱讀
第3章 最佳擬合線
3.1 定義「最佳」擬合
3.2 推導：求最小二乘線
3.3 結論
3.4 本章小結
3.5 延伸閱讀
第4章 概率與隨機變數
4.1 [選讀]概率公理
4.2 事件之間的關係：條件概率和獨立性
4.3 貝葉斯定理
4.4 離散隨機變數及其分佈
4.5 連續隨機變數及其分佈
4.6 概率密度函數
4.7 分佈族
4.8 本章小結
4.9 延伸閱讀
第5章 隨機變數的性質
5.1 數學期望與大數定律
5.2 方差與標準差
5.3 聯合分佈、協方差與相關性
5.4 [選讀]條件分佈、期望和方差
5.5 中心極限定理
5.6 一個簡單線性回歸的概率模型
5.7 本章小結
5.8 延伸閱讀
插敘
第6章 點估計量的性質
6.1 偏差
6.2 方差
6.3 均方誤差
6.4 一致性
6.5 有效性
6.6 [選讀]統計決策理論與風險
6.7 穩健性
6.8 簡單線性回歸模型的估計量
6.9 結論
6.10 本章小結
6.11 延伸閱讀
第7章 區間估計與推斷
7.1 標準誤差
7.2 置信區間
7.3 頻率推斷Ⅰ：零假設、檢驗統計量和p值
7.4 頻率推斷Ⅱ：備擇假設和拒絕框架
7.5 [選讀]假設檢驗和置信區間的關係
7.6 零假設顯著性檢驗及檢驗的濫用
7.6.1 缺乏複製性
7.6.2 幾乎固化了的α=0.05
7.6.3 把α=0.05作為一個關卡
7.6.4 科學假設與統計假設的區別
7.6.5 忽視其他目標，如估計和預測
7.6.6 退化的知識文化
7.6.7 根據零假設顯著性檢驗評估顯著性檢驗
7.7 頻率推斷Ⅲ：功效
7.8 綜合分析：當樣本量增加時會發生什麼
7.9 本章小結
7.10 延伸閱讀
第8章 半參數估計與推斷
8.1 半參數點估計的矩方法
8.1.1 嵌入式估計量
8.1.2 矩方法估計
8.2 使用bootstrap進行半參數區間估計
8.3 使用置換檢驗的半參數假設檢驗
8.4 結論
8.5 本章小結
8.6 延伸閱讀
第9章 參數估計與推斷
9.1 參數估計的極大似然估計法
9.2 參數的區間估計：直接方法和費希爾信息方法
9.2.1 直接方法
9.2.2 [選讀]費希爾信息方法
9.3 使用瓦爾德檢驗進行參數假設檢驗
9.4 [選讀]使用似然比檢驗進行參數假設檢驗
9.5 本章小結
9.6 延伸閱讀
第10章 貝葉斯估計與推斷
10.1 如何選擇一個先驗分佈
10.2 未縮放的后驗、共軛以及從后驗分佈中抽樣
10.3 使用貝葉斯估計方法獲得點估計量
10.4 使用可信區間進行貝葉斯區間估計
10.5 [選讀]使用貝葉斯因子進行貝葉斯「假設檢驗」
10.6&nb
[