本书旨在系统论述数理统计的基本理论,并在论述中尽可能反映这一学科的近期发展。全书内容包括点估计、假设检验、区间估计和Bayes 统计决策的基本理论和方法,并用较大篇幅论述了包括大样本估计和大样本检验在内的统计渐近理论,其中涉及经验过程的一些初步知识及其在渐近分布理论中的应用。 本书第五章讲述了一个用经验过程方法构建的大样本分布理论的完整事件,系统、简洁而又不失严谨,是本书最具特色的章节之一。 本书可作为数理统计和相关专业研究生的教科书,也可用作相关专业人士的教学、研究参考书。 |
前辅文 |
|
|
|
赵林城, 中国科学技术大学统计与金融系教授,博士生导师。1966年毕业于中国科学技术大学数学系, 1982年获得中国科学技术大学授予的理学博士学位,导师为陈希孺教授。长期从事概率论和数理统计的教学和研究工作,曾三次应邀赴美访问, 与著名统计学家P. R. Krishnaiah教授和C. R. Rao教授有过长达四年半的合作研究。研究领域主要涉及非参数统计、回归分析、统计信号处理、计量经济以及概率极限理论等方向,发表论文160余篇, 合作出版专著《线性模型参数的估计理论》(科学出版社,1985,2010)和《线性模型中的 方法》(上海科学技术出版社,1996)。1990年以“若干非参数统计问题的研究”获中国科学院自然科学奖二等奖,1991年该项研究获国家自然科学奖三等奖,1998年以“线性统计模型大样本理论的研究”获中国科学院自然科学奖一等奖。 王占锋,中国科学技术大学统计与金融系副教授。分别于 2003年和2008年获中国科学技术大学授予的统计学学士和理学博士学位。主要从事统计渐近理论、生物统计等领域的研究,在国内外学术期刊上发表论文多篇。曾主持国家自然科学青年基金一项,参与国家重点自然科学基金一项和自然科学基金一项。2014年获得安徽省高等学校省级教坛新秀称号。 |
|
|
|
本书是为数理统计和相关专业研究生编写的一本教科书,旨在系统论述数理统计的基本理论,并在论述中尽可能反映这一学科的近期发展。
|
|
|