前言

第1章介紹

1.1背景

1.2範圍

1.3記號

1.4與正態分布相關的幾個分布

1.5二次型

1.6估計

1.7練習

第2章模型擬合

2.1引言

2.2示例

2.3統計建模的基本原則

2.4解釋變量的記號與編碼

2.5練習

第3章指數族和廣義線性模型

3.1引言

3.2指數分布族

3.3指數分布族的性質

3.4廣義線性模型

3.5示例

3.6練習

第4章估計

4.1引言

4.2示例：壓力容器的損壞時間

4.3極大似然估計

4.4泊松回歸示例

4.5練習

第5章推斷

5.1引言

5.2得分統計量的抽樣分布

5.3泰勒級數近似

5.4極大似然估計的抽樣分布

5.5對數似然比統計量

5.6偏差的抽樣分布

5.7假設檢驗

5.8練習

第6章一般線性模型

6.1引言

6.2基本觀點

6線性回歸

6.4方差分析

6.5協方差分析

6.6一般線性模型

6.7練習

第變量和邏輯斯諦回歸

7.1概率分布

7.2廣義線性模型

7.3藥劑反應模型

7.4廣義邏輯斯諦回歸模型

7.5擬合優度統計量

7.6殘差

7.7其他的診斷方法

7.8示例：衰老和韋氏智力測驗

7.9練習

第8章名義和有序邏輯斯諦回歸

8.1引言

8.2多項分布

8.3名義邏輯斯諦回歸

8.4有序邏輯斯諦回歸

8.5總體討論

8.6練習

第9章泊松回歸和對數線性模型

9.1引言

9.2泊松回歸

9.3列聯表示例

9.4列聯表概率模型

9.5對數線性模型

9.6對數線性模型推斷

9.7算例

9.8評論

9.9練習

第10章生存分析

10.1引言

10.2生存函數和危險函數

10.3經驗生存函數

10.4估計

10.5推斷

10.6模型檢驗

10.7示例：緩解次數

10.8練習

第11章集群和縱向數據

11.1引言

11.2示例：中風恢復

11.3正態數據的重復測量模型

11.4非正態數據的重復測量模型

11.5多水平模型

11.6中風示例續

11.7評論

11.8練習

第12章貝葉斯分析

12.1頻率理論和貝葉斯範式

12.2先驗信息

12.3貝葉斯分析中的分布與層次

12.4貝葉斯分析的WinBUGS軟件操作

12.5練習

第13章馬爾可夫鏈蒙特卡羅方法

13.1為什麼標準推斷失誤了

13.2蒙特卡羅積分

13.3馬爾可夫鏈

13.4貝葉斯推斷

13.5鏈收斂性的診斷

13.6貝葉斯模型的擬合：DIC準則

13.7練習

第14章貝葉斯分析示例

14.1引言

14變量和邏輯斯諦回歸

14.3名義邏輯斯諦回歸

14.4潛變量模型

14.5生存分析

14.6隨機效應

14.7縱向數據分析

14.8WinBUGS的一些實用技巧

14.9練習

附錄

軟件

參考文獻

索引