应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 专业学科区 » 数学 » 概率论与统计 » 计算统计COMPUTATIONAL STATISTICS【最新英文版】[美]G·H·吉文斯
1401/3返回列表123下一页
查看: 6809  |  回复: 139
只看楼主@他人 存档 新回复提醒 (忽略) 收藏    在APP中查看
【奖励】 本帖被评价116次，作者hylpy增加金币 92.0001 个

hylpy

专家顾问 (知名作家)

[资源] 计算统计COMPUTATIONAL STATISTICS【最新英文版】[美]G·H·吉文斯

COMPUTATIONAL STATISTICS
GEOF H. GIVENS AND JENNIFER A. HOETING
计算统计（第2版）
【最新英文版】
-[美]G·H·吉文斯
-Wiley出版
-2013
CONTENTS
PREFACE xv
ACKNOWLEDGMENTS xvii
1 REVIEW 1
1.1 Mathematical Notation 1
1.2 Taylor’s Theorem and Mathematical Limit Theory 2
1.3 Statistical Notation and Probability Distributions 4
1.4 Likelihood Inference 9
1.5 Bayesian Inference 11
1.6 Statistical Limit Theory 13
1.7 Markov Chains 14
1.8 Computing 17
PART I
OPTIMIZATION
2 OPTIMIZATION AND SOLVING NONLINEAR EQUATIONS 21
2.1 Univariate Problems 22
2.1.1 Newton’s Method 26
2.1.1.1 Convergence Order 29
2.1.2 Fisher Scoring 30
2.1.3 Secant Method 30
2.1.4 Fixed-Point Iteration 32
2.1.4.1 Scaling 33
2.2 Multivariate Problems 34
2.2.1 Newton’s Method and Fisher Scoring 34
2.2.1.1 Iteratively Reweighted Least Squares 36
2.2.2 Newton-Like Methods 39
2.2.2.1 Ascent Algorithms 39
2.2.2.2 Discrete Newton and Fixed-Point Methods 41
2.2.2.3 Quasi-Newton Methods 41
2.2.3 Gauss–Newton Method 44
2.2.4 Nelder–Mead Algorithm 45
2.2.5 Nonlinear Gauss–Seidel Iteration 52
Problems 54
3 COMBINATORIAL OPTIMIZATION 59
3.1 Hard Problems and NP-Completeness 59
3.1.1 Examples 61
3.1.2 Need for Heuristics 64
3.2 Local Search 65
3.3 Simulated Annealing 68
3.3.1 Practical Issues 70
3.3.1.1 Neighborhoods and Proposals 70
3.3.1.2 Cooling Schedule and Convergence 71
3.3.2 Enhancements 74
3.4 Genetic Algorithms 75
3.4.1 Definitions and the Canonical Algorithm 75
3.4.1.1 Basic Definitions 75
3.4.1.2 Selection Mechanisms and Genetic Operators 76
3.4.1.3 Allele Alphabets and Genotypic Representation 78
3.4.1.4 Initialization, Termination, and Parameter Values 79
3.4.2 Variations 80
3.4.2.1 Fitness 80
3.4.2.2 Selection Mechanisms and Updating Generations 81
3.4.2.3 Genetic Operators and Permutation
Chromosomes 82
3.4.3 Initialization and Parameter Values 84
3.4.4 Convergence 84
3.5 Tabu Algorithms 85
3.5.1 Basic Definitions 86
3.5.2 The Tabu List 87
3.5.3 Aspiration Criteria 88
3.5.4 Diversification 89
3.5.5 Intensification 90
3.5.6 Comprehensive Tabu Algorithm 91
Problems 92
4 EM OPTIMIZATION METHODS 97
4.1 Missing Data, Marginalization, and Notation 97
4.2 The EM Algorithm 98
4.2.1 Convergence 102
4.2.2 Usage in Exponential Families 105
4.2.3 Variance Estimation 106
4.2.3.1 Louis’s Method 106
4.2.3.2 SEM Algorithm 108
4.2.3.3 Bootstrapping 110
4.2.3.4 Empirical Information 110
4.2.3.5 Numerical Differentiation 111
4.3 EM Variants 111
4.3.1 Improving the E Step 111
4.3.1.1 Monte Carlo EM 111
4.3.2 Improving the M Step 112
4.3.2.1 ECM Algorithm 113
4.3.2.2 EM Gradient Algorithm 116
4.3.3 Acceleration Methods 118
4.3.3.1 Aitken Acceleration 118
4.3.3.2 Quasi-Newton Acceleration 119
Problems 121
PART II
INTEGRATION AND SIMULATION
5 NUMERICAL INTEGRATION 129
5.1 Newton–Cˆotes Quadrature 129
5.1.1 Riemann Rule 130
5.1.2 Trapezoidal Rule 134
5.1.3 Simpson’s Rule 136
5.1.4 General kth-Degree Rule 138
5.2 Romberg Integration 139
5.3 Gaussian Quadrature 142
5.3.1 Orthogonal Polynomials 143
5.3.2 The Gaussian Quadrature Rule 143
5.4 Frequently Encountered Problems 146
5.4.1 Range of Integration 146
5.4.2 Integrands with Singularities or Other Extreme Behavior 146
5.4.3 Multiple Integrals 147
5.4.4 Adaptive Quadrature 147
5.4.5 Software for Exact Integration 148
Problems 148
6 SIMULATION AND MONTE CARLO INTEGRATION 151
6.1 Introduction to the Monte Carlo Method 151
6.2 Exact Simulation 152
6.2.1 Generating from Standard Parametric Families 153
6.2.2 Inverse Cumulative Distribution Function 153
6.2.3 Rejection Sampling 155
6.2.3.1 Squeezed Rejection Sampling 158
6.2.3.2 Adaptive Rejection Sampling 159
6.3 Approximate Simulation 163
6.3.1 Sampling Importance Resampling Algorithm 163
6.3.1.1 Adaptive Importance, Bridge, and Path Sampling 167
6.3.2 Sequential Monte Carlo 168
6.3.2.1 Sequential Importance Sampling for Markov Processes 169
6.3.2.2 General Sequential Importance Sampling 170
6.3.2.3 Weight Degeneracy, Rejuvenation, and Effective
Sample Size 171
6.3.2.4 Sequential Importance Sampling for Hidden
Markov Models 175
6.3.2.5 Particle Filters 179
6.4 Variance Reduction Techniques 180
6.4.1 Importance Sampling 180
6.4.2 Antithetic Sampling 186
6.4.3 Control Variates 189
6.4.4 Rao–Blackwellization 193
Problems 195
7 MARKOV CHAIN MONTE CARLO 201
7.1 Metropolis–Hastings Algorithm 202
7.1.1 Independence Chains 204
7.1.2 Random Walk Chains 206
7.2 Gibbs Sampling 209
7.2.1 Basic Gibbs Sampler 209
7.2.2 Properties of the Gibbs Sampler 214
7.2.3 Update Ordering 216
7.2.4 Blocking 216
7.2.5 Hybrid Gibbs Sampling 216
7.2.6 Griddy–Gibbs Sampler 218
7.3 Implementation 218
7.3.1 Ensuring Good Mixing and Convergence 219
7.3.1.1 Simple Graphical Diagnostics 219
7.3.1.2 Burn-in and Run Length 220
7.3.1.3 Choice of Proposal 222
7.3.1.4 Reparameterization 223
7.3.1.5 Comparing Chains: Effective Sample Size 224
7.3.1.6 Number of Chains 225
7.3.2 Practical Implementation Advice 226
7.3.3 Using the Results 226
Problems 230
8 ADVANCED TOPICS IN MCMC 237
8.1 Adaptive MCMC 237
8.1.1 Adaptive Random Walk Metropolis-within-Gibbs Algorithm 238
8.1.2 General Adaptive Metropolis-within-Gibbs Algorithm 240
8.1.3 Adaptive Metropolis Algorithm 247
8.2 Reversible Jump MCMC 250
8.2.1 RJMCMC for Variable Selection in Regression 253
8.3 Auxiliary Variable Methods 256
8.3.1 Simulated Tempering 257
8.3.2 Slice Sampler 258
8.4 Other Metropolis–Hastings Algorithms 260
8.4.1 Hit-and-Run Algorithm 260
8.4.2 Multiple-Try Metropolis–Hastings Algorithm 261
8.4.3 Langevin Metropolis–Hastings Algorithm 262
8.5 Perfect Sampling 264
8.5.1 Coupling from the Past 264
8.5.1.1 Stochastic Monotonicity and Sandwiching 267
8.6 Markov Chain Maximum Likelihood 268
8.7 Example: MCMC for Markov Random Fields 269
8.7.1 Gibbs Sampling for Markov Random Fields 270
8.7.2 Auxiliary Variable Methods for Markov Random Fields 274
8.7.3 Perfect Sampling for Markov Random Fields 277
Problems 279
PART III
BOOTSTRAPPING
9 BOOTSTRAPPING 287
9.1 The Bootstrap Principle 287
9.2 Basic Methods 288
9.2.1 Nonparametric Bootstrap 288
9.2.2 Parametric Bootstrap 289
9.2.3 Bootstrapping Regression 290
9.2.4 Bootstrap Bias Correction 291
9.3 Bootstrap Inference 292
9.3.1 Percentile Method 292
9.3.1.1 Justification for the Percentile Method 293
9.3.2 Pivoting 294
9.3.2.1 Accelerated Bias-Corrected Percentile Method, BCa 294
9.3.2.2 The Bootstrap t 296
9.3.2.3 Empirical Variance Stabilization 298
9.3.2.4 Nested Bootstrap and Prepivoting 299
9.3.3 Hypothesis Testing 301
9.4 Reducing Monte Carlo Error 302
9.4.1 Balanced Bootstrap 302
9.4.2 Antithetic Bootstrap 302
9.5 Bootstrapping Dependent Data 303
9.5.1 Model-Based Approach 304
9.5.2 Block Bootstrap 304
9.5.2.1 Nonmoving Block Bootstrap 304
9.5.2.2 Moving Block Bootstrap 306
9.5.2.3 Blocks-of-Blocks Bootstrapping 307
9.5.2.4 Centering and Studentizing 309
9.5.2.5 Block Size 311
9.6 Bootstrap Performance 315
9.6.1 Independent Data Case 315
9.6.2 Dependent Data Case 316
9.7 Other Uses of the Bootstrap 316
9.8 Permutation Tests 317
Problems 319
PART IV
DENSITY ESTIMATION AND SMOOTHING
10 NONPARAMETRIC DENSITY ESTIMATION 325
10.1 Measures of Performance 326
10.2 Kernel Density Estimation 327
10.2.1 Choice of Bandwidth 329
10.2.1.1 Cross-Validation 332
10.2.1.2 Plug-in Methods 335
10.2.1.3 Maximal Smoothing Principle 338
10.2.2 Choice of Kernel 339
10.2.2.1 Epanechnikov Kernel 339
10.2.2.2 Canonical Kernels and Rescalings 340
10.3 Nonkernel Methods 341
10.3.1 Logspline 341
10.4 Multivariate Methods 345
10.4.1 The Nature of the Problem 345
10.4.2 Multivariate Kernel Estimators 346
10.4.3 Adaptive Kernels and Nearest Neighbors 348
10.4.3.1 Nearest Neighbor Approaches 349
10.4.3.2 Variable-Kernel Approaches and Transformations 350
10.4.4 Exploratory Projection Pursuit 353
Problems 359
11 BIVARIATE SMOOTHING 363
11.1 Predictor–Response Data 363
11.2 Linear Smoothers 365
11.2.1 Constant-Span Running Mean 366
11.2.1.1 Effect of Span 368
11.2.1.2 Span Selection for Linear Smoothers 369
11.2.2 Running Lines and Running Polynomials 372
11.2.3 Kernel Smoothers 374
11.2.4 Local Regression Smoothing 374
11.2.5 Spline Smoothing 376
11.2.5.1 Choice of Penalty 377
11.3 Comparison of Linear Smoothers 377
11.4 Nonlinear Smoothers 379
11.4.1 Loess 379
11.4.2 Supersmoother 381
11.5 Confidence Bands 384
11.6 General Bivariate Data 388
Problems 389
12 MULTIVARIATE SMOOTHING 393
12.1 Predictor–Response Data 393
12.1.1 Additive Models 394
12.1.2 Generalized Additive Models 397
12.1.3 Other Methods Related to Additive Models 399
12.1.3.1 Projection Pursuit Regression 399
12.1.3.2 Neural Networks 402
12.1.3.3 Alternating Conditional Expectations 403
12.1.3.4 Additivity and Variance Stabilization 404
12.1.4 Tree-Based Methods 405
12.1.4.1 Recursive Partitioning Regression Trees 406
12.1.4.2 Tree Pruning 409
12.1.4.3 Classification Trees 411
12.1.4.4 Other Issues for Tree-Based Methods 412
12.2 General Multivariate Data 413
12.2.1 Principal Curves 413
12.2.1.1 Definition and Motivation 413
12.2.1.2 Estimation 415
12.2.1.3 Span Selection 416
Problems 416
DATA ACKNOWLEDGMENTS 421
REFERENCES 423
INDEX 457[ Last edited by hylpy on 2015-5-12 at 12:09 ]
回复此楼

» 本帖附件资源列表

» 收录本帖的淘贴专辑推荐

书籍下载网站 专业书籍（外文版）WM 专业书籍之数学力学WM 计算数学与经济统计
数学与算法等 Allen的数学 数学分析 李的收藏
FEM/MECHANICS/MATE Allen的综合资料 2015重要 文档
计算机

» 猜你喜欢

» 本主题相关价值贴推荐，对您同样有帮助:
1楼2015-05-12 12:03:27
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

人走茶不凉

银虫 (职业作家)

★★★ 三星级,支持鼓励

好书，谢谢楼主大好人！
赞一下 回复此楼
8楼2015-05-13 08:49:38
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

magnet99

新虫 (初入文坛)

★★★★★ 五星级,优秀推荐

谢谢分享，顶一个

[ 发自小木虫客户端 ]
回复此楼
45楼2015-05-16 23:20:28
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
简单回复
Atlantischen2楼
2015-05-12 13:29   回复  
五星好评  顶一下，感谢分享！
peterflyer3楼
2015-05-12 13:55   回复  
五星好评  顶一下，感谢分享！
askuyue4楼
2015-05-12 18:01   回复  
五星好评  顶一下，感谢分享！
jml5065楼
2015-05-12 18:41   回复  
五星好评  顶一下，感谢分享！
wjy20116楼
2015-05-13 08:12   回复  
五星好评  顶一下，感谢分享！
anmingkang7楼
2015-05-13 08:16   回复  
五星好评  顶一下，感谢分享！
psylhh9楼
2015-05-13 09:49   回复  
五星好评  顶一下，感谢分享！
wxq282810楼
2015-05-13 12:24   回复  
五星好评  顶一下，感谢分享！
hms200611楼
2015-05-13 12:30   回复  
五星好评  顶一下，感谢分享！
math200012楼
2015-05-13 14:36   回复  
五星好评  顶一下，感谢分享！
wyf_199913楼
2015-05-13 14:54   回复  
五星好评  顶一下，感谢分享！
liuqiang6814楼
2015-05-14 05:56   回复  
五星好评  顶一下，感谢分享！
softmatter15楼
2015-05-14 06:26   回复  
五星好评  顶一下，感谢分享！
bluewhale16楼
2015-05-14 07:07   回复  
五星好评  顶一下，感谢分享！
springer_17楼
2015-05-14 07:42   回复  
五星好评  顶一下，感谢分享！
plutonudt18楼
2015-05-14 08:26   回复  
五星好评  顶一下，感谢分享！
wanghl531119楼
2015-05-14 08:27   回复  
五星好评  顶一下，感谢分享！
wulei_101720楼
2015-05-14 08:58   回复  
五星好评  顶一下，感谢分享！
zhf_wx200221楼
2015-05-14 11:38   回复  
五星好评  顶一下，感谢分享！
shaohuiqdu22楼
2015-05-14 12:15   回复  
五星好评  顶一下，感谢分享！
luchhi23楼
2015-05-14 14:45   回复  
五星好评  顶一下，感谢分享！
anzaigtt24楼
2015-05-14 14:58   回复  
五星好评  顶一下，感谢分享！
独叶一支枪25楼
2015-05-14 16:08   回复  
五星好评  顶一下，感谢分享！
akaige26楼
2015-05-14 17:49   回复  
五星好评  顶一下，感谢分享！
1093127楼
2015-05-14 17:53   回复  
五星好评  顶一下，感谢分享！
anmingkang28楼
2015-05-14 22:24   回复  
顶一下，感谢分享！
zym100329楼
2015-05-15 08:58   回复  
五星好评  
yuanbing30楼
2015-05-15 09:16   回复  
五星好评  顶一下，感谢分享！
httpftp31楼
2015-05-15 10:05   回复  
五星好评  顶一下，感谢分享！
arrow6832楼
2015-05-15 11:17   回复  
五星好评  顶一下，感谢分享！
locustzhang33楼
2015-05-15 13:21   回复  
五星好评  顶一下，感谢分享！
zhchzhsh207634楼
2015-05-15 17:04   回复  
五星好评  顶一下，感谢分享！
cnbchen35楼
2015-05-15 18:28   回复  
五星好评  顶一下，感谢分享！
千寻回眸36楼
2015-05-15 21:58   回复  
三星好评  
asyz13jinage37楼
2015-05-15 23:08   回复  
五星好评  顶一下，感谢分享！
supervb38楼
2015-05-16 11:32   回复  
五星好评  顶一下，感谢分享！
cs12329239楼
2015-05-16 12:36   回复  
五星好评  顶一下，感谢分享！
126023567040楼
2015-05-16 12:43   回复  
五星好评  顶一下，感谢分享！
licro41楼
2015-05-16 13:17   回复  
五星好评  顶一下，感谢分享！
jenny_dyy42楼
2015-05-16 17:18   回复  
五星好评  顶一下，感谢分享！
shiliu020243楼
2015-05-16 20:46   回复  
五星好评  顶一下，感谢分享！
xshk44楼
2015-05-16 21:05   回复  
五星好评  顶一下，感谢分享！
Sugar_cane46楼
2015-05-17 08:03   回复  
五星好评  顶一下，感谢分享！
lsyzlp47楼
2015-05-17 13:30   回复  
五星好评  顶一下，感谢分享！
mlhhdu48楼
2015-05-17 15:17   回复  
五星好评  顶一下，感谢分享！
吠陀49楼
2015-05-17 18:54   回复  
五星好评  顶一下，感谢分享！
terryliujl50楼
2015-05-17 19:43   回复  
五星好评  顶一下，感谢分享！
相关版块跳转 我要订阅楼主 hylpy 的主题更新
1401/3返回列表123下一页
☆ 无星级 ★ 一星级 ★★★ 三星级 ★★★★★ 五星级
普通表情 龙 兔 虎 猫 高级回复(可上传附件) 论文翻译-EnPapers美助理教授团队-SCI英文润色
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[基金申请] Nature 11日发文，中国著名学者们称造假迫不得已 +5 babu2015 2024-06-14 5/250 2024-06-15 20:40 by lc231001
[教师之家] 请问事业编制和年薪制冲突吗？ +6 ZHONGWU_U 2024-06-14 6/300 2024-06-15 20:16 by Ermito
[找工作] 江西双非一本和四川双一流高校如何选择？ 5+7 寒山敲钟 2024-06-12 22/1100 2024-06-15 20:00 by LittleBush
[硕博家园] 博士毕业高校和就业的相关问题 +4 SCITOPPP 2024-06-14 6/300 2024-06-15 18:54 by SCITOPPP
[有机交流] 车间生产，真空度很高，温度很高，但减压蒸馏速度很慢。 10+12 召唤鬼泣lL 2024-06-13 35/1750 2024-06-15 16:14 by 老钱秀
[基金申请] BO4的YQ答辩通知发布了吗？ +6 博学笃行 2024-06-11 6/300 2024-06-15 16:04 by 悲催科研狗
[基金申请] 2024国社科通讯评审 +9 qsd10086 2024-06-13 14/700 2024-06-15 15:51 by thesuna
[教师之家] 饶议：什么制度能保障大学普通教师不用为领导拎包，不用看领导脸色 +8 zju2000 2024-06-12 14/700 2024-06-15 13:59 by chemhua
[找工作] 杭电、天津科技、青农和宁波工程学院如何选？ +9 味道很好啊 2024-06-13 15/750 2024-06-15 09:59 by yulan19992002
[基金申请] 面上基金有一个（两个）C是不是就没戏了.... 5+3 zzzm116 2024-06-13 17/850 2024-06-14 22:26 by lzt8076
[考研] 物理化学一对一辅导 +3 林大diao 2024-06-12 5/250 2024-06-14 20:57 by 林大diao
[基金申请] E12面上申请 +4 汉风之遗 2024-06-13 4/200 2024-06-14 15:28 by 天外飞去来
[找工作] 应届大龄土博教职选择，石河子大学和广西大学 10+4 茅山老道士 2024-06-10 31/1550 2024-06-14 10:40 by ChmistryCHEN
[论文投稿] ACS Nano投稿后分配到副编辑手里12天了，能确定送审了吗？ +5 潇洒怡惜 2024-06-12 10/500 2024-06-14 09:56 by 潇洒怡惜
[论文投稿] 最近写了一篇控制优化领域的文章，可以投哪里啊？有没有水一些的期刊推荐 +7 香瓜木香 2024-06-12 13/650 2024-06-14 07:05 by 香瓜木香
[基金申请] 工材E10口函评结束了吗 10+3 我1的飞翔 2024-06-13 5/250 2024-06-14 06:35 by nono2009
[基金申请] 连续两年医学口青年项目初审体会 +11 进击的荣耀 2024-06-09 18/900 2024-06-13 17:27 by 进击的荣耀
[硕博家园] 机械研究生如何拿到年薪40+w +13 阿巴阿巴哦哦 2024-06-11 15/750 2024-06-13 15:40 by 113745685
[考博] 博导选择 +3 bing85977 2024-06-12 3/150 2024-06-13 15:34 by 我是邱尧
[论文投稿] 摩擦磨损论文投稿 +3 jmysan 2024-06-12 3/150 2024-06-13 08:36 by 莱茵润色
信息提示
关闭
请填处理意见
关闭