生物數學模型的統(tǒng)計學基礎（第2版）

第一章 一元線性模型
1.1 一元線性模型的基本理論
1.1.1 一元線性模型的參數估計
1.1.2 帶限制一元線性模型中參數的估計
1.1.3 一元線性模型的預估
1.1.4 一元模型的假設檢驗
1.1.5 一元線性模型的例子
1.2 一元線性模型的應用
1.2.1 均值估計與假設檢驗
1.2.2 線性回歸模型
1.2.3 不考慮交互作用的方差分析
1.2.4 無交互作用的協(xié)方差分析
1.2.5 數量化方法
1.3 交互效應和因子分析的方差類型
1.3.1 因子分析模型的符號表達
1.3.2 根據符號表達式和觀測值構造設計矩陣
1.3.3 因子分析效應平方和的類型及回歸型效應平方和
1.3.4 剩余誤差(殘差)平方和，F檢驗
1.4 第一章附錄.
1.4.1 帶限制模型的參數估計
1.4.2 假設Hi3=L成立時，殘差平方和的增量
1.4.3 關于TypeIl和TypeIll型假設矩陣H的計算方法
第二章 廣義一元線性模型
2.1 廣義一元線性模型的基本理論
2.1.1 已知誤差結構矩陣的參數估計
2.1.2 已知誤差結構矩陣的假設檢驗
2.1.3 未知誤差結構矩陣的參數估計與假設檢驗
2.1.4 廣義一元線性模型的因變量的預估
2.1.5 帶限制的廣義一元線性模型
2.2 廣義一元線性模型與多元線性模型
2.2.1 多元線性模型.
2.2.2 多元線性模型與廣義一元線性模型之間的關系
2.2.3 多元線性模型的參數估計
2.2.4 多元線性模型的假設檢驗
2.2.5 多元線性模型的預估及其精度
2.3 多元線性模型的例子
2.4 誤差與自變量的函數成正比的線性模型
2.5 具有自回歸誤差結構的廣義線性模
2.6 具有組合誤差結構的廣義線性模型
2.7 組合誤差結構模型的適用條件和模擬計算精度
2.8 第二章附錄
2.8.1 關于多元線性模型參數的各種估計的一致性
2.8.2 等式（2.2.19)和近似分布（2.2.20)的證明
第三章 似乎不相關線性模型
3.1 似乎不相關方程的概念
3.1.1 基本概念.
3.1.2 和多元線性模型的關系
3.1.3 化成廣義一元線性模型
3.2 似乎不相關模型中的參數估計
3.2.1 似乎不相關模型的最小二乘估計量
3.2.2 當方差矩陣∑已知時參數p的GM估計
3.2.3 當方差矩陣∑未知時參數p的估計
3.2.4 方差矩陣∑是否為對角矩陣的檢驗
3.2.5 參數p估計量的均值和方差矩陣
3.3 似乎不相關模型的假設檢驗
3.3.1 已知方差矩陣∑的假設檢驗
3.3.2 未知方差矩陣∑的假設檢驗
3.4 似乎不相關模型的隨機模擬實驗
3.4.1 隨機實驗的設計
3.4.2 隨機模擬實驗結果分析
3.5 帶限制的似乎不相關模型
3.5.1 帶限制似乎不相關模型概念
3.5.2 帶限制的似乎不相關模型的參數估計
3.5.3 帶限制的似乎不相關模型的假設檢驗
3.6 第三章附錄
第四章 聯(lián)立方程組模型
4.1 聯(lián)立方程組模型的定義
4.1.1 內生變量和外生變量
4.1.2 聯(lián)立方程組的標準形式
4.1.3 聯(lián)立方程組的簡化形式
4.1.4 聯(lián)立方程組的線性限制條件及限制條件下的標準形式
4.1.5 簡化形式與結構形式參數矩陣的關系
4.2 聯(lián)立方程組模型的可識別性
4.2.1 可識別性的概念
4.2.2 可識別性的定義
4.2.3 可識別性的判別準則
4.3 聯(lián)立方程組模型中的參數估計方法
4.3.1 間接最小二乘法
4.3.2 二步最小二乘法
4.3.3 三步最小二乘法
4.3.4 聯(lián)立方程組算法總結
4.4 隨機模擬實驗
4.4.1 隨機模擬實驗設計
4.4.2 模擬實驗結果分析
4.5 第四章附錄
4.5.1 關于可識別性的定義
4.5.2 關于二步和三步最小二乘計算公式
第五章 一元線性混合效應模型
5.1 一元線性混合效應模型的基本概念
5.2 線性混合效應模型中的參數估計
5.2.l極大似然估計
5.2.2 限制極大似然估計
5.2.3 最小方差二次無偏估計
5.3 線性混合效應模型隨機參數估計和假設檢驗
5.3.1 隨機參數u的估計
5.3.2 參數的估計區(qū)間和假設檢驗
5.4 第五章附錄
5.4.1 關于矩陣函數對參數的導函數
5.4.2 關于似然函數和限制似然函數的導函數
5.4.3 關于最小方差無偏估計
第六章 非線性混合效應模型
6.1 基本概念
6.1.1 隨機因素的處理方法
6.1.2 固定因素的分級變量
6.1.3 隨機因素的分級變量
6.1.4 統(tǒng)一形式
6.2 非線性混合效應模型的標準形式和符號
6.2.1 符號和定義
6.2.2 非線性混合效應模型的標準形式
6.2.3 非線性混合效應模型的特例
6.3 形式參數的構造
6.3.1 形式參數中固定效應構造類型
6.3.2 形式參數中隨機效應構造類型
6.4 正態(tài)非線性混合效應模型的一種算法
6.4.1 符號與矩陣表達式
6.4.2 線性逼近一逐步二次規(guī)劃算法原理
6.4.3 實例分析
6.5 含有組變量的非線性混合效應模型
6.6 第六章附錄
第七章 線性度量誤差模型
7.1 度量誤差模型的基本概念
7.1.1 直觀概念
7.1.2 線性度量誤差模型的一般形式
7.1.3 線性度量誤差模型和其他線性模型的關系
7.1.4 函數關系結構關系和超結構關系
7.1.5 線性度量誤差模型的參數估計
7.2 一個線性關系度量誤差模型(二變量獨立特例)
7.2.1 一個線性關系度量誤差模型實例和參數估計算法
7.2.2 參數估計值和誤差結構矩陣Ψ的關系
7.2.3 度量誤差模型和正交回歸的關系
7.3 一個線性關系的多元線性度量誤差模型
7.4 多個線性關系的度量誤差模型
7.5 多元線性度量誤差模型與線性聯(lián)立方程組模型
7.5.1 度量誤差聯(lián)立方程組模型中的極大似然估計(度量模型解法)
7.5.2 當Ψ未知時二步度量誤差模型方法
7.5.3 二步最小二乘法與二步度量誤差模型方法的數值計算結果的比較
7.5.4 討論
7.6 第七章附錄
7.6.1 對于度量誤差模型，通常最小二乘估計量是有偏、不相合估計量的例子
7.6.2 模型(7.6.1)中的三個方差參數不能由(Y，X)的分布所唯一確定
7.6.3 在度量誤差方差結構砂已知時，線性度量誤差模型參數的廣義最小二乘解
7.6.4 函數關系模型的參數和口’的極大似然估計
7.6.5 結構關系和超結構模型的參數以及(，r’的極大似然估計
7.6.6 恰好可識別線性聯(lián)立方程組系數估計的兩種算法相同的證明
第八章 非線性度量誤差模型和生物數學模型系的參數估計
8.1 非線性度量誤差模型
8.1.1 度量誤差模型的一般形式
8.1.2 已知誤差方差結構矩陣的函數關系的非線性度量誤差模型參數估計方法
8.2 未知誤差方差結構矩陣時非線性誤差變量聯(lián)立方程組參數估計方法.
8.2.1 參數估計的間接方法
8.2.2 參數估計的直接方法
8.2.3 誤差變量非線性聯(lián)立方程組和非線性聯(lián)立方程組
8.3 生物數學模型
8.3.1 生物數學模型中的參數估計與度量誤差模型
8.3.2 分室模型的一般形式
8.4 例——度量誤差模型方法與其他方法的數值比較
8.4.1 相容性立木生物量模型
8.4.2 直徑、材積生長的聯(lián)合估計
第九章 模型診斷
9.1 引言
9.2 殘差分析
9.2.1 線性模型的幾種常用殘差
9.2.2 非線性回歸模型的殘差類型
9.2.3 利用殘差圖進行回歸診斷
9.3 模型自變量選擇的幾種方法
9.3.1 線性模型自變量的選擇
9.3.2 非線性模型自變量的選擇
9.4 比較模型優(yōu)良性的再抽樣方法
9.4.1 刀切法估計模型參數及其方差矩陣
9.4.2 刀切法方差對非線性模型診斷的應用例
9.5 第九章附錄(選擇模型的若干準則)
附錄矩陣運算
f.1 矩陣的基本概念及簡單性質
f.1.1 矩陣的定義及簡單性質
f.1.2 幾種常用的特殊矩陣
f.1.3 矩陣的分塊表示
f.2 矩陣的運算
f.2.1 矩陣的加法(和)與減法(差)運算
f.2.2 矩陣的乘積
f.2.3 矩陣的轉置與對稱矩陣
f.2.4 矩陣的加、減和乘運算的簡單性質
f.2.5 矩陣的初等變換和秩
f.2.6 矩陣的特征值、特征向量和對稱矩陣的譜分解
f.2.7 非對稱矩陣的奇異值和奇異分解
f.2.8 矩陣的廣義逆
f.2.9 矩陣的拉直與叉積(Kronecker積)
f.3 矩陣的應用
f.3.1 對線性方程組的應用
f.3.2 方程組的最小二乘解
參考文獻
索引