1 基础知识 1
1.1 数学基础 1
1.2 概率论 4
1.3 初识随机模拟方法 17
1.4 误差 21
习题1 22
2 R软件简明教程 24
2.1 R软件介绍 24
2.2 R向量 26
2.3 矩阵与数组 34
2.4 因子、列表与数据框 40
2.5 程序设计 47
2.6 绘图 52
习题2 55
3 探索性数据分析 56
3.1 数据的整理与显示 56
3.2 数据分布的描述与分析 68
习题3 78
4 统计推断基础 80
4.1 参数估计 80
4.2 假设检验 84
4.3 分布拟合优度检验 93
4.4 关联性检验 98
习题4 105
5 蒙特卡罗 106
5.1 蒙特卡罗基本理论 106
5.2 利用随机数函数生成随机数 111
5.3 利用反函数及变换抽样法生成随机数 115
5.4 利用近似抽样生成随机数 119
5.5 利用蒙特卡罗方法进行定积分计算 123
5.6 蒙特卡罗方法与反常积分 133
习题5 135
6 随机模拟实验 137
6.1 古典概型实验 137
6.2 几何概型实验 150
6.3 火炮射击实验 152
6.4 几个初等随机系统实验 154
6.5 大数定律实验 159
6.6 中心极限定理实验 162
6.7 赌博模型 167
6.8 山羊与轿车选择实验 169
6.9 报童策略问题 170
习题6 172
7 随机过程计算与仿真 173
7.1 随机游动与二项过程仿真 173
7.2 泊松过程的计算与仿真 175
7.3 随机服务系统仿真 178
7.4 马氏链的计算与仿真 180
7.5 布朗运动的计算与仿真 184
习题7 187
8 方差分析与试验设计 188
8.1 单因素方差分析 188
8.2 两因素等重复试验的方差分析 195
习题8 199
9 回归分析 202
9.1 变量间的统计关系 202
9.2 多元线性回归分析 204
9.3 基于Logistic回归模型的本科毕业生去向分析 212
习题9 216
10 Bootstrap方法 217
10.1 非参数Bootstrap方法简介 217
10.2 Bootstrap方法与Bays Bootstrap方法的比较 221
10.3 基于Bootstrap方法的回归分析的比较 230
习题10 236
11 EM算法 237
11.1 EM算法基本理论 237
11.2 基于EM算法的分组数据场合逆威布尔分布的参数估计 240
习题11 245
12 MCMC方法及其应用 246
12.1 MCMC方法基本知识 246
12.2 M-H算法 248
12.3 基于M-H算法的混合参数贝叶斯估计 251
12.4 三参数威布尔分布Bayes估计的混合Gibbs算法 255
习题12 264
附录 随机数生成的高级方法 266
参考文献 279