【图书推荐】建模类图书推荐

厚积薄发

1、非参数和半参数中的模型似然



内容简介
This book is composed of ten chapters. The first chapter contains the preliminary knowledge about empirical likelihood and other relevant nonparametric methods. Chapters 2 and 3 analyze the section-data using the single-index model and the partially linear single-index model. Chapters 4 through 6 investigate the longitudinal data using the partially linear model, the varying coefficient model and a nonparametric regression model. Chapter 7 discusses nonlinear errors-in-covariables models with validation data. Chapters 8 through 10 investigate missing data under the framework of the linear model, a nonparametric regression model and the partially linear model. Every chapter, except for Chapter 1, of this book is self-contained so that the reader could focus on any chapter without much effect on the understanding of the others, and hence can read any chapters according to reader's own interest. The emphasis of this book is on methodologies rather than on theory, with a particular focus on applications of the empirical likelihood techniques to various semiparametric regression models. Key technical arguments are presented in the "proofs sections" at the end of each chapter. This gives interested researchers an idea of how the theoretical results are obtained. Also from the style of material organization, this book is more likely a lecture note, rather than a textbook. Most materials come from authors' research articles.
This book intends to provide a useful reference for researchers and to serve as a lecture note to postgraduate students. It is especially for the people working in the nonparametric and semiparametric statistics areas or applying the empirical likelihood method to other areas.
目录



Preface
Chapter 1 Preliminary knowledge
1.1 Empirical likelihood (EL)
1.1.1 Definition of EL
1.1.2 EL for mean
1.1.3 Estimating equations
1.1.4 Advantages of EL
1.1.5 Related literature
1.2 Bootstrap method
1.3 Smoothing methods
1.3.1 The Nadaraya-Watson estimator
1.3.2 The local polynomial smoother
1.4 Cross-validation
1.4.1 Least squares cross-validation
1.4.2 Generalized cross-validation
1.5 Data sets
1.5.1 Longitudinal data
1.5.2 Measurement error data
1.5.3 Missing data
1.6 Some notations
.Chapter 2 EL for single-index models
2.1 Introduction
2.2 Methods and results
2.2.1 Estimated EL
2.2.2 Two adjusted EL ratios
2.3 Simulation results
2.4 Proofs
2.4.1 Some lemmas
2.4.2 Proofs of theorems
Chapter 3 EL in a partially linear single-index model
3.1 Introduction
3.2 Methodology
3.2.1 The general case
3.2.2 Two special cases: single-index model and partially linear model
3.3 Simulation results
3.3.1 Preamble
3.3.2 Simulated examples
3.3.3 A real example
3.4 Proofs
3.4.1 A brief description of the proofs
3.4.2 Proofs of theorems
Chapter 4 EL semiparametric regression analysis
4.1 Introduction
4.2 Maximum EL estimator
4.2.1 Estimating the regression coefficients
4.2.2 Estimating the baseline function
4.3 Confidence regions for regression coefficients
4.3.1 Confidence regions based on normal approximation
4.3.2 EL confidence region
4.4 Confidence intervals for baseline function
4.4.1 Normal approximation-based confidence interval
4.4.2 Mean-corrected EL confidence interval
4.4.3 Residual-adjusted EL confidence interval
4.5 Numerical results
4.5.1 Bandwidth choice
4.5.2 Simulation studies
4.5.3 An application
4.6 Proofs
Chapter 5 EL for a varying coefficient model
5.I Introduction
5.2 ** EL and maximum EL estimation
5.2.1 Wilks' phenomenon of ** EL
5.2.2 Equivalence between MELE and WLSE
5.3 Two bias corrections
5.3.1 Mean-corrected EL
5.3.2 Residual-adjusted EL
5.4 Asymptotic confidence regions
5.4.1 The general cases
5.4.2 Partial profile EL for confidence intervals
5.4.3 Simultaneous confidence bands
5.4.4 Confidence regions based on the normal approximation
5.4.5 Bootstrap confidence intervals and bands
5.5 Numerical results
5.5.1 Bandwidth choice
5.5.2 Simulation studies
5.5.3 The application to AIDS data
5.6 Proofs of Theorems
Chapter 6 EL local polynomial regression analysis
6.1 Introduction
6.2 ** empirical likelihood
6.2.1 Prime method
6.2.2 Asymptotic properties
6.3 A bias correction method
6.4 Asymptotic confidence regions
6.4.1 Confidence regions based on EL
6.4.2 Pointwise confidence intervals based on partial EL
6.4.3 Confidence regions based on the normal approximation.
6.4.4 Simultaneous confidence band
6.5 Bandwidth selection
6.5.1 Pilot bandwidth selection
6.5.2 Refined bandwidth selection
6.5.3 Undersmoothing bandwidth selection
6.6 Numerical results
6.6.1 Simulation study
6.6.2 A real example
6.7 Concluding remarks
6.8 Proofs of Theorems
Chapter 7 EL in nonlinear EV models
7.1 Introduction
7.2 Estimated EL
7.3 Adjusted EL
7.4 Simulations and application
7.4.1 Simulations
7.4.2 A real data example
7.5 Conclusions
7.6 Proofs
Chapter 8 EL for the linear models
8.1 Introduction
8.2 EL for the regression coefficients
8.2.1 EL with complete-case data
8.2.2 Weighted EL
8.2.3 EL with the imputed values
8.2.4 Asymptotic properties
8.3 EL for the response mean
8.3.1 Weight-corrected EL
8.3.2 Normal approximation
8.4 Simulations
8.4.1 One dimensional case
8.4.2 Two dimensional case
8.4.3 A real example
8.5 Concluding remarks
8.6 Proofs
Chapter 9 EL for response mean
9.1 Introduction
9.2 Methods and results
9.2.1 Weight-corrected EL
9.2.2 Weight-corrected EL with auxiliary information
9.2.3 Normal approximation-based method
9.3 Simulations
9.4 Concluding remarks
9.5 Proofs
Chapter 10 EL for a semiparametric regression model
10.1 Introduction
10.2 EL for the regression coefficients
10.2.1 EL with complete-case data
10.2.2 EL with the imputed values
10.2.3 Partial profile empirical likelihood
10.3 EL for the baseline function
10.3.1 Estimated EL
10.3.2 Residual-adjusted EL
10.3.3 Simultaneous confidence band
10.4 EL for the response mean
10.4.1 Weight-corrected EL
10.4.2 Normal approximation
10.5 Simulations
10.5.1 One-dimensional case
10.5.2 Two-dimensional case
10.6 Application
10.7 Concluding remarks
10.8 Proofs
References
Index

链接：http://www.china-pub.com/303822#ml

2、 模型降阶方法

内容简介[color=rgb(51, 102, 204) !important]回到顶部↑本书主要讨论大型系统近似过程的模型降阶方法的理论与应用。除绪论外，全书共分10章，其基本内容包括输入输出系统理论、渐近波形估计方法、Krylov子空间类方法、多点拟合方法、正交分解方法、平衡截断方法、积分全等变换与最优化方法，以及一些特殊系统的模型降阶方法。全书系统性强，详略得当，由浅入深，循序渐进，每章内容自成体系，又相互关联。
本书可供计算数学、应用数学、电路与系统、电力系统与自动控制，以及计算机科学等相关专业的研究生和科研工作者阅读，同时也可作为理工类有关专业的教师以及从事科学和工程问题的模型分析与模拟的广大技术人员的理论参考书。

目录[color=rgb(51, 102, 204) !important]回到顶部↑前言
绪论
0.1 模型降阶的基本思想
0.2 模型降阶的基本方法
第1章 矩阵分解和矩阵方程
1.1 矩阵分解
1.1.1 QR分解
1.1.2 LU分解
1.1.3 SVD分解
1.2 矩阵方程
1.2.1 Kronecker积
1.2.2 Sylvester方程
1.2.3 方程求解方法
第2章 输入输出系统特征
2.1 系统的概念
2.1.1 系统描述与实现
2.1.2 可控性与可观性
2.2 系统的范数
2.2.1 H2和H∞范数
2.2.2 Hankel范数
.2.3 系统的稳定性
2.4 系统的无源性
第3章 渐近波形估计模型降阶方法
3.1 基本过程
3.1.1 矩的概念和计算
3.1.2 传递函数的Pade逼近
3.1.3 系统的降阶过程
3.2 矩匹配定理
3.3 典型系统应用
3.3.1 线性时不变系统
3.3.2 传输线系统
第4章 Arnoldi和Lanczos模型降阶方法
4.1 正交化过程
4.1.1 Arnoldi过程
4.1.2 Lanczos过程
4.2 Arnokli降阶方法
4.2.1 基本降阶过程
4.2.2 误差估计和稳定性
4.2.3 块Arnoldi算法
4.3 Lanczos降阶方法
4.3.1 基本降阶过程
4.3.2 误差估计
4.3.3 稳定的降阶过程
第5章 Krylov子空间模型降阶方法
5.1 基本降阶过程
5.1.1 Krylov子空间
5.1.2 插值函数
5.1.3 切线插值方法
5.2 保持系统性质的降阶方法
5.2.1 双线性变换方法
5.2.2 交替Krylov子空间方法
5.2.3 PRIMA算法
5.2.4 SPRIM算法
5.3 二阶系统与高阶系统的降阶方法
5.3.1 二阶系统的Krylov子空间方法
5.3.2 二阶系统的二重Krylov子空间方法
5.3.3 高阶系统的降阶方法
5.3.4 线性电路系统的应用
第6章 多点拟合模型降阶方法
6.1 线性系统的降阶方法
6.1.1 单输入单输出系统
6.1.2 多输入多输出系统
6.2 非线性系统的降阶方法
6.2.1 线性化和二次化过程
6.2.2 多点拟合降阶
6.2.3 性质分析
第7章 正交分解模型降阶方法
7.1 时间域正交多项式降阶方法
7.1.1 Chebyshev多项式降阶
7.1.2 Laguerre多项式降阶
7.2 Laguerre-SVD降阶方法
7.2.1 传递函数正交分解
7.2.2 频率域Laguerre多项式正交分解
7.3 本征正交分解降阶方法
7.3.1 本征正交分解
7.3.2 基本降阶过程
7.3.3 误差估计和稳定性
第8章 平衡截断模型降阶方法
8.1 基本降阶方法
8.1.1 平衡截断过程
8.1.2 平衡变换构造
8.1.3 误差估计和稳定性
8.2 SVD分解和频率加权降阶方法
8.2.1 SVD分解截断降阶
8.2.2 频率加权截断降阶
8.3 二阶系统和离散系统的降阶方法
8.3.1 二阶系统情形
8.3.2 离散系统情形
第9章 积分全等变换和最优化模型降阶方法
9.1 积分全等变换降阶方法
9.1.1 常系数系统
9.1.2 变系数系统
9.2 最优化降阶方法
9.2.1 基本思想
9.2.2 最优Hankel范数逼近
9.2.3 频率加权最优Hankel范数逼近
9.2.4 拟凸优化逼近
第10章 特殊系统的模型降阶方法
10.1 双线性系统的降阶方法
10.1.1 双线性化过程
10.1.2 多重Arnoldi降阶
10.1.3 衡截断降阶
10.2 耦合系统的降阶方法
10.2.1 归一化系统降阶
10.2.2 保结构系统降阶
10.3 定常系统的降阶方法
10.3.1 单变量参数系统
10.3.2 多变量无参数系统
10.4 偏微分系统的降阶方法
10.4.1 Fourier分解降阶
10.4.2 系统分解降阶
参考文献
详情：http://www.china-pub.com/1930254#ml

jason_math

顶一个！！！

sdccumcm

哇~~　　好！　

无矢之的

赞一个，收了

Treblig_H

为了体力积分，加一个，回一个

xiaolumath

谢谢，好书受用一生

hbdkfk2

为什么是英语的啊！！！！！！！！！！！

osky123

很好，多谢楼主分享

wangchen881202

我见过的最好的帖子了，谢谢楼主