|
|
|
本書は，統計学やデータ解析の初学者からある程度学んだ方まで，幅広い読者層を想定している。扱う範囲は目次をみてのとおり広範である。高校数学の内容からはじまり，多変量解析，確率過程，統計モデル，ベイズ統計を扱う．最終章では，ダイバージェンスというものをとおして統計学の様々な概念を統一的な視点から眺める。Sanovの定理など，他書ではあまり取り上げられないが重要な結果も紹介する。統計学やデータ解析に関心あるすべての方にとって有用な書である。【目次】第1章 準備1.1 関数の考え方に慣れよう1.2 関数の微分・積分・漸近挙動に関する記号第2章 統計学の初歩2.1 1次元データの取り扱い2.2 2次元データの取り扱い2.3 「ランダム」に慣れるための確率論2.4 標本分布2.5 検定2.6 推定2.7 検定と推定の間の関係第3章 統計学をより深く理解するための数学3.1 関数の最大値と最小値・上限と下限3.2 逆関数3.3 多変数における微分と積分3.4 制約条件付き最適化問題の解法3.5 凸関数3.6 Cauchy?Schwarzの不等式第4章 データサイエンスの手法4.1 データを扱う線形代数4.2 重回帰分析4.3 主成分分析4.4 線形判別分析4.5 k-平均法4.6 回帰直線vs.主成分軸，平均への回帰4.7 交絡，Simpsonのパラドックス第5章 確率分布に関する基礎5.1 確率変数と確率(密度/質量)関数5.2 様々な確率分布5.3 様々な確率分布25.4 多変量正規分布とその応用5.5 条件付き期待値5.6 確率変数の分布に関する記法第6章 順序統計量とPoisson過程6.1 確率過程6.2 Poisson過程6.3 Poisson過程と一様分布，順序統計量6.4 複合Poisson過程第7章 統計モデル7.1 統計モデル7.2 正則統計モデル7.3 誤差の考え方から正規分布の導出へ??ガウス風7.4 エントロピー最大化クラスとしての指数型分布族第8章 Bayes統計8.1 (狭義)Bayes統計モデル8.2 Bayes統計学を通したものの見方8.3 変則事前分布8.4 Bayes統計モデル8.5 事前分布の選び方の事例集第9章 ダイバージェンス最小化は統計学の原理となるか9.1 確率モデル9.2 ダイバージェンス最小化としての最小2乗法9.3 ダイバージェンス最小化としてのエントロピー最大化9.4 赤池情報量基準9.5 さいころ振りのタイプ理論と大偏差理論9.6 仮説検定と推定
2,640-(税込)
詳しくはコチラ
|
統計学とデータ解析の基礎 第３版
| セブンネットショッピング |
|
