第一章 引言
1.1 VDR理論和構造多元概率密度函數
1.1.1 什么是VDR
1.1.2 多元概率密度函數的結構
1.2 樞軸量、置信分布、隨機估計和VDR檢驗
1.2.1 基于樞軸量的統計推斷方法
1.2.2 VDR檢驗
1.3 幾個應用
1.3.1 多元統計分析
1.3.2 非正態(tài)誤差回歸分析
1.3.3 多總體均值參數檢驗
1.4 隨機估計和VDR檢驗理論完善
第二章 統計推斷模式
2.1 經典推斷——頻率學派
2.1.1 極大似然估計原理 第一章 引言
1.1 VDR理論和構造多元概率密度函數
1.1.1 什么是VDR
1.1.2 多元概率密度函數的結構
1.2 樞軸量、置信分布、隨機估計和VDR檢驗
1.2.1 基于樞軸量的統計推斷方法
1.2.2 VDR檢驗
1.3 幾個應用
1.3.1 多元統計分析
1.3.2 非正態(tài)誤差回歸分析
1.3.3 多總體均值參數檢驗
1.4 隨機估計和VDR檢驗理論完善
第二章 統計推斷模式
2.1 經典推斷——頻率學派
2.1.1 極大似然估計原理
2.1.2 極大似然估計求解算法——多維二分法
2.1.3 極大似然估計的Bayes解釋
2.2 假設檢驗和置信區(qū)間
2.2.1 接受域和拒絕域
2.2.2 樞軸量和置信區(qū)間
2.2.3 隨機估計
2.3 信仰推斷
2.3.1 函數法
2.3.2 樞軸量法
2.4 Bayes推斷
2.4.1 統計推斷基礎——信息
2.4.2 Bayes公式
第三章 隨機推斷
3.1 假設檢驗模式
3.1.1 接受域和置信域
3.1.2 樞軸量和隨機估計
3.2 VDR檢驗
3.2.1 什么是VDR檢驗
3.2.2 分位點計算
3.2.3 VDR接受域和VDR置信域的優(yōu)良性
3.2.4 隨機估計的比較
3.3 正態(tài)總體參數的VDR檢驗
3.3.1 t檢驗是VDR檢驗
3.3.2 方差的VDR檢驗
3.3.3 正態(tài)分布參數的同時檢驗
3.4 指數分布參數檢驗
3.5 關于隨機估計的若干說明
3.5.1 隨機推斷步驟
3.5.2 關于樞軸量
3.5.3 關于隨機估計
3.5.4 關于VDR檢驗
3.6 無充分統計量總體參數隨機估計
3.6.1 Gamma分布族
3.6.2 Weibull分布參數的隨機估計
3.7 隨機估計的計算
3.7.1 用樞軸量定義隨機估計
3.7.2 二項分布參數的推斷變量
3.7.3 復合參數的隨機估計
3.8 多總體問題
第四章 概率密度函數的垂直表示（VDR）
第五章 線性變換分布族
第六章 隨機估計和VDR檢驗的應用
參考文獻