|
|
|
本書是「All of Nonparametrir Staristics」的中譯本，源於作者為研究生開設的課程講義，包括了幾乎所有的現代非參數統計的內容。這種包羅萬象的書不但周內沒有，在同外也很難找到。本書主要包括10章內容，主要講述非參數delta方法和自助法之類的經驗CDF、覆蓋基本的光滑方法和正態均值、利用正交函數的非參數推斷、小波和其他的適應方法等。
本書適合統計和計算機科學的高年級大學生、研究生作為教材，也適合統計學、計算機和數據挖掘等方向的研究人員參考。
譯者的話
前言
第1章 引言
1.1 什麼是非參數推斷
1.2 符號和背景知識
1.3 置信集
1.4 有用的不等式
1.5 文獻說明
1.6 練習
第2章 估計CDF及統計泛函
2.1 CDF
2.2 估計統計泛函
2.3 影響函數
2.4 經驗概率分布
2.5 文獻說明
2.6 附錄
2.7 練習
第3章 自助法和水手刀法
3.1 水手刀法
3.2 自助法
3.3 參數自助法
3.4 白助法置信區間
3.5 某些理論
3.6 文獻說明
3.7 附錄
3.8 練習
第4章 光滑：一般概念
4.1 偏倚-方差的平衡
4.2 核
4.3 什麼損失函數
4.4 置信集
4.5 維數詛咒
4.6 文獻說明
4.7 練習
第5章非參數回歸
5.1 線性和logistic回歸回顧
5.2 線性光滑器
5.3 選擇光滑參數
5.4 局部回歸
5.5 懲罰回歸，正則化和樣條
5.6 方差估計
5.7 置信帶
5.8 平均覆蓋率
5.9 線性光滑的概括
5.10 局部似然和指數族
5.11 尺度空間光滑
5.12 多元回歸
5.13 其他問題
5.14 文獻說明
5.15 附錄
5.16 練習
第6章 密度估計
6.1 交叉驗證
6.2 直方圖
6.3 核密度估計
6.4 局部多項式
6.5 多元問題
6.6 把密度估計轉換成回歸
6.7 文獻說明
6.8 附錄
6.9 練習
第7章 正態均值和最小最大理論
7.1 正態均值模型
7.2 函數空間
7.3 聯系到回歸和密度估計
7.4 Stein無偏風險估計（SURE）
7.5 最小最大風險和Pinsker定理
7.6 線性收縮和James—stein估計
7.7 在sobolev空間的適應估計
7.8 置信集
7.9 置信集的最優性
7.10 隨機半徑置信帶
7.11 懲罰、神諭和稀疏
7.12 文獻說明
7.13 附錄
7.14 練習
第8章 利用正交函數的非參數推斷
8.1 引言
8.2 非參數回歸
8.3 不規則設計
8.4 密度估計
8.5 方法的比較
8.6 張量積模型
8.7 文獻說明
8.8 練習
第9章 小波和其他適應性方法
9.1 Haar小波
9.2 構造小波
9.3 小波回歸
9.4 小波閾
9.5 Besov空間
9.6 置信集
9.7 邊界修正和不等距數據
9.8 過完全字典
9.9 其他適應性方法
9.10 適應性方法管用嗎
9.11 文獻說明
9.12 附錄
9.13 練習
第10章 其他問題
10.1 測量誤差
10.2 逆問題
10.3 非參數貝葉斯
10.4 半參數推斷
10.5 相關的誤差
10.6 分類
10.7 篩
10.8 限制形狀的推斷
10.9 檢驗
10.10 計算問題
10.11 練習
參考文獻
符號表
分布表
索引
