统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

第一章预备知识 第一节事件和概率 第二节随机变量及其分布 第三节随机变量的特征数 第四节矩母函数与特征函数 第五节随机向量及其分布 第六节随机变量函数的分布

第一章预备知识 第一节事件和概率 第二节随机变量及其分布 第三节随机变量的特征数 第四节矩母函数与特征函数 第五节随机向量及其分布 第六节随机变量函数的分布 第七节分布参数的估计和检验

一.抽样调查的概念 抽样调查是建立在随机原则基础上,从总体中抽取部分单位进行调 查,并概率估计原理,应用所的资料对总体的数量特征进行推断的一种 调查方法。例如,从某地区全部职工当中随机抽取部分职工,以家庭为 单位按月调查取得有关收入、支出等方面的资料,并依据这些资料推断 出全区职工的收支情况,这就是一种抽样调查

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

第一节 正态分布 第二节 二项分布 第三节 正态分布及其应用 第二节 Poisson分布的概念与特征

以赞比亚一露天铜矿南帮边坡(矿体下盘)为研究对象,将Rosenbluth点估计方法与节理有限元方法相结合应用于该节理发育的岩质边坡稳定性评价中.建立以边坡岩体材料强度参数(内摩擦角和黏聚力)为输入变量,安全系数为输出变量的概率模型,点估计状态函数的求解过程引入节理有限元方法.通过现场节理及结构面调查,建立边坡节理有限元模型求解边坡安全系数,得到基于安全系数的边坡变形破坏概率统计指标,对边坡稳定性进行了概率分析,分析结果与现场失稳情况一致.该方法既考虑了岩体材料参数在赋值过程中实际存在的不确定性,同时也考虑了节理岩质边坡的节理属性,充分体现了岩层接触作用的非线性关系,使得对节理岩质边坡的稳定性评价更加合理

第二节 率的u检验 第三节 卡方检验 第四节 四格表确切概率法 第一节 率的抽样误差与区间估计

§3.1 交通安全分析方法 一、概述 二、统计图表分析法 三、因果分析图法 四、安全检查表分析法 五、预先危险性分析法 六、故障模式和影响分析法 七、事件树分析法 八、事故树分析法 §3.2 交通安全评价方法 一、安全评价概述 二、安全检查表评价法 三、作业条件危险性评价法 四、概率安全评价法 五、安全综合评价