Down.
Share the contents

Contents
Preface xv
1 Introduction 1
1.1 Computational Statistics and Statistical Computing . . . . . 1
1.2 The R Environment . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Getting Started with R . . . . . . . . . . . . . . . . . . . . . 4
1.4 Using the R Online Help System . . . . . . . . . . . . . . . . 7
1.5 Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6 Arrays, Data Frames, and Lists . . . . . . . . . . . . . . . . 9
1.7 Workspace and Files . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Using Scripts . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Using Packages . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.10 Graphics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 ProbabilityandStatisticsReview 21
2.1 Random Variables and Probability . . . . . . . . . . . . . . . 21
2.2 Some Discrete Distributions . . . . . . . . . . . . . . . . . . 25
2.3 Some Continuous Distributions . . . . . . . . . . . . . . . . . 29
2.4 Multivariate Normal Distribution . . . . . . . . . . . . . . . 33
2.5 Limit Theorems . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.6 Statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.7 Bayes’ Theorem and Bayesian Statistics . . . . . . . . . . . . 40
2.8 Markov Chains . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 Methods forGeneratingRandomVariables 47
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 The Inverse Transform Method . . . . . . . . . . . . . . . . . 49
3.3 The Acceptance-Rejection Method . . . . . . . . . . . . . . . 55
3.4 Transformation Methods . . . . . . . . . . . . . . . . . . . . 58
3.5 Sums and Mixtures . . . . . . . . . . . . . . . . . . . . . . . 61
3.6 Multivariate Distributions . . . . . . . . . . . . . . . . . . . 69
3.7 Stochastic Processes . . . . . . . . . . . . . . . . . . . . . . . 82
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4 VisualizationofMultivariateData 97
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.2 Panel Displays . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.3 Surface Plots and 3D Scatter Plots . . . . . . . . . . . . . . 100
4.4 Contour Plots . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.5 Other 2D Representations of Data . . . . . . . . . . . . . . . 110
4.6 Other Approaches to Data Visualization . . . . . . . . . . . 115
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5 MonteCarlo IntegrationandVarianceReduction 119
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.2 Monte Carlo Integration . . . . . . . . . . . . . . . . . . . . 119
5.3 Variance Reduction . . . . . . . . . . . . . . . . . . . . . . . 126
5.4 Antithetic Variables . . . . . . . . . . . . . . . . . . . . . . . 128
5.5 Control Variates . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.6 Importance Sampling . . . . . . . . . . . . . . . . . . . . . . 139
5.7 Stratified Sampling . . . . . . . . . . . . . . . . . . . . . . . 144
5.8 Stratified Importance Sampling . . . . . . . . . . . . . . . . 147
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
R Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6 MonteCarloMethods inInference 153
6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.2 Monte Carlo Methods for Estimation . . . . . . . . . . . . . 154
6.3 Monte Carlo Methods for Hypothesis Tests . . . . . . . . . . 162
6.4 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
7 Bootstrapand Jackknife 183
7.1 The Bootstrap . . . . . . . . . . . . . . . . . . . . . . . . . . 183
7.2 The Jackknife . . . . . . . . . . . . . . . . . . . . . . . . . . 190
7.3 Jackknife-after-Bootstrap . . . . . . . . . . . . . . . . . . . . 195
7.4 Bootstrap Confidence Intervals . . . . . . . . . . . . . . . . . 197
7.5 Better Bootstrap Confidence Intervals . . . . . . . . . . . . . 203
7.6 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
8 PermutationTests 215
8.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
8.2 Tests for Equal Distributions . . . . . . . . . . . . . . . . . . 219
8.3 Multivariate Tests for Equal Distributions . . . . . . . . . . 222
8.4 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
9 MarkovChainMonteCarloMethods 245
9.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.2 The Metropolis-Hastings Algorithm . . . . . . . . . . . . . . 247
9.3 The Gibbs Sampler . . . . . . . . . . . . . . . . . . . . . . . 263
9.4 Monitoring Convergence . . . . . . . . . . . . . . . . . . . . 266
9.5 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
R Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
10 Probability Density Estimation 281
10.1 Univariate Density Estimation . . . . . . . . . . . . . . . . . 281
10.2 Kernel Density Estimation . . . . . . . . . . . . . . . . . . . 296
10.3 Bivariate and Multivariate Density Estimation . . . . . . . . 305
10.4 Other Methods of Density Estimation . . . . . . . . . . . . . 314
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
R Code . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
11 Numerical Methods in R 319
11.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
11.2 Root-finding in One Dimension . . . . . . . . . . . . . . . . 326
11.3 Numerical Integration . . . . . . . . . . . . . . . . . . . . . . 330
11.4 Maximum Likelihood Problems . . . . . . . . . . . . . . . . . 335
11.5 One-dimensional Optimization . . . . . . . . . . . . . . . . . 338
11.6 Two-dimensional Optimization . . . . . . . . . . . . . . . . . 342
11.7 The EM Algorithm . . . . . . . . . . . . . . . . . . . . . . . 345
11.8 Linear Programming – The Simplex Method . . . . . . . . . 348
11.9 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
Exercises . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
A Notation 355
B WorkingwithData Frames and Arrays 357
B.1 Resampling and Data Partitioning . . . . . . . . . . . . . . . 357
B.2 Subsetting and Reshaping Data . . . . . . . . . . . . . . . . 360
B.3 Data Entry and Data Analysis . . . . . . . . . . . . . . . . . 364
References 375
Index 395

不错啊

我 原来在此版发的这本书，不知道为什么被转移到回收站里去了

10个论坛币有点小贵吧！

Thank you very much.