●前言
符號表
第1章 概率論
1.1 隨機向量
1.1.1 測度空間
1.1.2 概率分布
1.1.3 條件分布
1.1.4 獨立性
1.2 數字特征
1.2.1 矩
1.2.2 熵
1.2.3 隨機變量組的離散度
1.3 特征函數
1.3 1定義
1.3.2 性質
1.3.3 逆變換公式與專享性定理
1.3.4 隨機向量的特征函數
1.4 條件數學期望
1.4.1 定義
1.4.2 性質
1.5 隨機過程
1.5.1 概念
1.5.2 常見隨機過程
1.6 隨機序列的極限
1.6.1 收斂方式
1.6.2 極限定理
1.6.3 函數對收斂的傳遞性
第2章 統計推斷
2.1 統計空間
2.2 參數統計推斷
2.3 非參數統計推斷
第3章 Hilbert空間
3.1 距離空問
3.2 賦範線性空問
3.3 Hilbert空間
3.4 L2空間
3.5 變分引理與正交投影定理
3.6 再論條件數學期望
3.6.1 新定義
3.6.2 條件數學期望的逼近度
3.7 廣義條件數學期望與日條件數學期望
3.7.1 線性條件數學期望與廣義條件數學期望
3.7.2 H條件數學期望
第4章 Hilbert空間中的Fourier分析
4.1 標準正交基Fourier分析
4.2 準Schauder-基Fourier分析
4.2.1 有限維空間
4.2.2 可列維空間
4.3 WeieI straSS逼近定理與推廣Luzin定理
4.3.1 WeierstraSS逼近定理
4.3.2 推廣Luzin定理
4.4 冪函數準Schauder基
4.4.1 Lebesgue測度情形
4.4.2 離散測度情形
4.4.3 有限區間情形
4.4.4 無限區間情形
4.4.5 乘積空間情形
4.5 Fourier級數逼近速度
4.6 分布函數冪函數準Schauder基
第5章 線性回歸方程
第6章 Gauss-Markov線性回歸方程
第7章 非參數回歸方程與半參數回歸方程
第8章 隨機向量密度函數
第9章 函數繫數回歸方程
第10章 隨機過程回歸方程
第11章 微分回歸方程
第12章 逆回歸方程
參考文獻
附錄A 矩陣代數
附錄B 測度論
附錄C 模擬實驗SAS軟件編制程序
索引
《統計回歸分析:回歸方程引論》內容簡介:統計回歸分析的本體是回歸方程理論,前者乃後者在統計層面上的推繹,回歸方程是對一個變量於一組變量某類函數集合中的很的刻畫與規定,《統計回歸分析:回歸方程引論》內容分兩大部分,一部分是1~4章及附錄A-C,另一部分是5-12章,其中,5-12章是主體,研討了八大類回歸方程,從統計觀點而言,即八大類統計回歸模型,分別為線性回歸方程、Gauss?Markov線性回歸方程、非參數回歸方程與半參數回歸方程、隨機向量密度函數、函數繫數回歸方程、隨機過程回歸方程、微分回歸方程、逆回歸方程,前4章及3個附錄是對主體部分的理論支撐與輔助,內容包括:概率論、數理統計學、泛函分析、Fourier分析、矩陣代數、測度論及模擬實驗SAS軟件程序編制等。
《統計回歸分析:回歸方程引論》可作為學習統計回歸分析及相關學科(如物理、生物、經濟、金融與管理等)的高年級等