第1章 绪论 1
1.1 精算统计模型 1
1.2 风险统计模型 6
1.3 微阵列数据 11
1.4 机器学习 15
1.5 模式识别 17
1.6 贝叶斯决策理论及其应用 19
1.7 马尔可夫链模型 23
第2章 精算数学中随机利率下的寿命统计模型 25
2.1 随机利率下的离散型精算统计模型 25
2.2 随机利率下的连续型精算模型 29
2.3 随机利率下的全离散型精算模型 35
2.4 随机利率下的全连续型精算模型 39
第3章 精算数学中的风险统计模型 53
3.1 基于常数利息力下连续型再保险的风险模型 53
3.2 基于整值时间序列数据的风险模型 59
第4章 微阵列数据下的统计模型 71
4.1 基本概念 71
4.2 FWER检验法 73
4.3 FDR检验法 78
4.4 pFDR检验法 85
4.5 实例分析 102
第5章 机器学习 111
5.1 机器学习问题的表示及发展 111
5.2 三类基本的学习问题 112
5.3 机器学习的基本方法 113
5.4 主要的机器学习算法 116
第6章 模式识别 138
6.1 模式识别研究现状 140
6.2 常用方法介绍 145
第7章 贝叶斯决策理论及其应用 168
7.1 决策准则 168
7.2 贝叶斯理论简介 175
7.3 贝叶斯决策 179
7.4 贝叶斯网络在经济决策中的应用 183
7.5 效用理论 186
第8章 马尔可夫链模型 201
8.1 随机过程的概念 201
8.2 马尔可夫（Markov）链 201
8.3 状态转移概率矩阵 203
8.4 马尔可夫链的应用举例 222
参考文献 245