前言

第1章　介绍

  1.1　背景

  1.2　范围

  1.3　记号

  1.4　与正态分布相关的几个分布

  1.5　二次型

  1.6　估计

  1.7　练习

第2章　模型拟合

  2.1　引言

  2.2　示例

  2.3　统计建模的基本原则

  2.4　解释变量的记号与编码

  2.5　练习

第3章　指数族和广义线性模型

  3.1　引言

  3.2　指数分布族

  3.3　指数分布族的性质

  3.4　广义线性模型

  3.5　示例

  3.6　练习

第4章　估计

  4.1　引言

  4.2　示例：压力容器的损坏时间

  4.3　极大似然估计

  4.4　泊松回归示例

  4.5　练习

第5章　推断

  5.1　引言

  5.2　得分统计量的抽样分布

  5.3　泰勒级数近似

  5.4　极大似然估计的抽样分布

  5.5　对数似然比统计量

  5.6　偏差的抽样分布

  5.7　假设检验

  5.8　练习

第6章　一般线性模型

  6.1　引言

  6.2　基本观点

  6.3　多元线性回归

  6.4　方差分析

  6.5　协方差分析

  6.6　一般线性模型

  6.7　练习

第7章　二元变量和逻辑斯谛回归

  7.1　概率分布

  7.2　广义线性模型

  7.3　药剂反应模型

  7.4　广义逻辑斯谛回归模型

  7.5　拟合优度统计量

  7.6　残差

  7.7　其他的诊断方法

  7.8　示例：衰老和韦氏智力测验

  7.9　练习

第8章　名义和有序逻辑斯谛回归

  8.1　引言

  8.2　多项分布

  8.3　名义逻辑斯谛回归

  8.4　有序逻辑斯谛回归

  8.5　总体讨论

  8.6　练习

第9章　泊松回归和对数线性模型

  9.1　引言

  9.2　泊松回归

  9.3　列联表示例

  9.4　列联表概率模型

  9.5　对数线性模型

  9.6　对数线性模型推断

  9.7　算例

  9.8　评论

  9.9　练习

第10章  生存分析

  10.1  引言

  10.2  生存函数和危险函数

  10.3  经验生存函数

  10.4  估计

  10.5  推断

  10.6  模型检验

  10.7  示例：缓解次数

  10.8  练习

第11章  集群和纵向数据

  11.1  引言

  11.2  示例：中风恢复

  11.3  正态数据的重复测量模型

  11.4  非正态数据的重复测量模型

  11.5  多水平模型

  11.6  中风示例续

  11.7  评论

  11.8  练习

第12章  贝叶斯分析

  12.1  频率理论和贝叶斯范式

  12.2  先验信息

  12.3  贝叶斯分析中的分布与层次

  12.4  贝叶斯分析的WinBUGS软件操作

  12.5  练习

第13章  马尔可夫链蒙特卡罗方法

  13.1  为什么标准推断失误了

  13.2  蒙特卡罗积分

  13.3  马尔可夫链

  13.4  贝叶斯推断

  13.5  链收敛性的诊断

  13.6  贝叶斯模型的拟合：DIC准则

  13.7  练习

第14章  贝叶斯分析示例

  14.1  引言

  14.2  二元变量和逻辑斯谛回归

  14.3  名义逻辑斯谛回归

  14.4  潜变量模型

  14.5  生存分析

  14.6  随机效应

  14.7  纵向数据分析

  14.8  WinBUGS的一些实用技巧

  14.9  练习

附录

软件

参考文献

索引