機率與統計推論:R 語言的應用
內容描述
以專章介紹動差與條件動差, 並以資本定價模型 (Capital Asset Pric- ing Model) 作為機率模型的一個應用。
以專章介紹常態分配以及與其相關的重要分配如卡方分配, 學生 t 分配與 F 分配。
對無母數統計與變異數分析捨棄不提。 相反地, 對於機率模型, 隨機變數, 漸近理論 (大樣本理論), 估計以及迴歸分析則有較一般初等統 計更為深入的探討。
對於迴歸分析, 由條件期望值出發, 之後再談迴歸的機率模型。 在迴 歸參數估計上, 除了一般常用的最小平方法, 我們也使用介紹過的類 比法, 動差法, 以及最大概似法, 與之前章節相呼應。 此外, 揚棄古典迴 歸模型中, 將解釋變數視為非隨機的假設, 並且不再假設分配為常態。 因此, 對於迴歸模型的統計推論與分析, 需仰賴條件機率分配與大樣 本漸近理論。
介紹時間序列, 多變量常態分配, 蒙地卡羅模擬, Bootstrap 樣本重抽法與貝氏統計學。
提供 R 統計軟體的介紹, 並在相關章節中說明其應用。
目錄大綱
1 認識 R 語言
2 機率理論與應用
3 隨機變數
4 多變量隨機變數
5 動差
6 常態分配及其相關分配
7 隨機樣本與敘述統計
8 漸近理論與漸近分配
9 古典統計學
10 點估計
11 區間估計
12 假設檢定
13 其他離散隨機變數
14 其他連續隨機變數
15 多變量常態分配
16 簡單迴歸分析(I):基本概念
17 簡單迴歸分析(II):統計推論
18 多元迴歸分析
19 時間序列
20 蒙地卡羅模擬與Bootstrap
21 貝氏統計學
22 R 語言簡介
23 機率分配表