前言
第1章　介紹1
1.1　背景1
1.2　范圍1
1.3　記號(hào)5
1.4　與正態(tài)分布相關(guān)的幾個(gè)分布7
1.5　二次型11
1.6　估計(jì)12
1.7　練習(xí)15
第2章　模型擬合19
2.1　引言19
2.2　示例19
2.3　統(tǒng)計(jì)建模的基本原則32
2.4　解釋變量的記號(hào)與編碼37
2.5　練習(xí)40
第3章　指數(shù)族和廣義線性模型45
3.1　引言45
3.2　指數(shù)分布族46
3.3　指數(shù)分布族的性質(zhì)48
3.4　廣義線性模型51
3.5　示例52
3.6　練習(xí)55
第4章　估計(jì)59
4.1　引言59
4.2　示例：壓力容器的損壞時(shí)間59
4.3　極大似然估計(jì)64
4.4　泊松回歸示例66
4.5　練習(xí)69
第5章　推斷73
5.1　引言73
5.2　得分統(tǒng)計(jì)量的抽樣分布74
5.3　泰勒級(jí)數(shù)近似76
5.4　極大似然估計(jì)的抽樣分布77
5.5　對(duì)數(shù)似然比統(tǒng)計(jì)量79
5.6　偏差的抽樣分布80
5.7　假設(shè)檢驗(yàn)85
5.8　練習(xí)87
第6章　一般線性模型89
6.1　引言89
6.2　基本觀點(diǎn)89
6.3　多元線性回歸95
6.4　方差分析102
6.5　協(xié)方差分析114
6.6　一般線性模型117
6.7　練習(xí)118
第7章　二元變量和邏輯斯諦回歸123
7.1　概率分布123
7.2　廣義線性模型124
7.3　藥劑反應(yīng)模型124
7.4　廣義邏輯斯諦回歸模型131
7.5　擬合優(yōu)度統(tǒng)計(jì)量135
7.6　殘差138
7.7　其他的診斷方法139
7.8　示例：衰老和韋氏智力測(cè)驗(yàn)140
7.9　練習(xí)143
第8章　名義和有序邏輯斯諦回歸149
8.1　引言149
8.2　多項(xiàng)分布149
8.3　名義邏輯斯諦回歸151
8.4　有序邏輯斯諦回歸157
8.5　總體討論162
8.6　練習(xí)163
第9章　泊松回歸和對(duì)數(shù)線性模型165
9.1　引言165
9.2　泊松回歸166
9.3　列聯(lián)表示例171
9.4　列聯(lián)表概率模型175
9.5　對(duì)數(shù)線性模型177
9.6　對(duì)數(shù)線性模型推斷178
9.7　算例179
9.8　評(píng)論183
9.9　練習(xí)183
第10章 生存分析187
10.1 引言187
10.2 生存函數(shù)和危險(xiǎn)函數(shù)189
10.3 經(jīng)驗(yàn)生存函數(shù)193
10.4 估計(jì)195
10.5 推斷198
10.6 模型檢驗(yàn)199
10.7 示例：緩解次數(shù)201
10.8 練習(xí)202
第11章 集群和縱向數(shù)據(jù)207
11.1 引言207
11.2 示例：中風(fēng)恢復(fù)209
11.3 正態(tài)數(shù)據(jù)的重復(fù)測(cè)量模型213
11.4 非正態(tài)數(shù)據(jù)的重復(fù)測(cè)量模型218
11.5 多水平模型219
11.6 中風(fēng)示例續(xù)222
11.7 評(píng)論224
11.8 練習(xí)225
第12章 貝葉斯分析229
12.1 頻率理論和貝葉斯范式229
12.2 先驗(yàn)信息233
12.3 貝葉斯分析中的分布與層次238
12.4 貝葉斯分析的WinBUGS軟件操作238
12.5 練習(xí)241
第13章 馬爾可夫鏈蒙特卡羅方法243
13.1 為什么標(biāo)準(zhǔn)推斷失誤了243
13.2 蒙特卡羅積分243
13.3 馬爾可夫鏈245
13.4 貝葉斯推斷255
13.5 鏈?zhǔn)諗啃缘脑\斷256
13.6貝葉斯模型的擬合：DIC準(zhǔn)則260
13.7 練習(xí)262
第14章 貝葉斯分析示例267
14.1 引言267
14.2 二元變量和邏輯斯諦回歸267
14.3 名義邏輯斯諦回歸271
14.4 潛變量模型272
14.5 生存分析275
14.6 隨機(jī)效應(yīng)277
14.7 縱向數(shù)據(jù)分析279
14.8 WinBUGS的一些實(shí)用技巧286
14.9 練習(xí)288
附錄291
軟件293
參考文獻(xiàn)295
索引303