第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

 2.1 信源的数学模型及分类  2.2 离散信源的信息熵  2.3 信息熵的基本性质和定理  2.4 离散无记忆的扩展信源  2.5 离散平稳信源  2.6 马尔可夫信源  2.7 信源剩余度与自然语言的熵

Introduction to Markov Chain Monte Carlo Charles J. Geyer • History • Markov Chains • Intuitions of MCMC • Elementary Theory of MCMC • The Metropolis-Hastings-Green Algorithm MCMC using Hamiltonian dynamics Radford M. Neal • History • Hamiltonian Dynamics • MCMC from Hamiltonian dynamics • HMC in practice and theory • Extensions of and Variations on HMC

1 、信源的数学模型及分类 2、信息量及其性质 3、离散信源的熵及性质 4、联合熵和条件熵 5、平均互信息量及其性质 6、扩展信源 7、离散有记忆信源的熵 8、马尔可夫信源的信息熵 9、离散信源的信息（速）率和信息含量效率 10、连续随机变量下的熵和平均互信息量

本文通过对Buhlmann—Straub模型结构的剖析，引入基于Gibbs抽样的马尔可夫链蒙特卡罗(MCMC)模拟方法，构建出风险保费预测值信用估计的贝叶斯模型。实例分析的结果证明了该模型能够在数据缺失的情况下，动态模拟出有关参数的后验分布，求出缺失参数的后验估计，提高计算的精度，从而有助于更有效地甄别出各保单问的非同质程度

第二章离散信源及其信息测度 第一节信源的数学模型及分类 第二节离散信源的信息熵 第三节信息熵的基本性质 第四节离散无记忆的扩展信源 第五节离散平稳信源 第六节马尔可夫信源 第七节信源剩余度与自然语言的熵

第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布… 第四章 随机变量的数字特征94 第五章 大数定律及中心极限定理 第六章 样本及抽样分布 第七章 参数估计 第八章 假设检验 第九章 方差分析及回归分析 第十章 随机过程及其统计描述 第十一章 马尔可夫链 第十二章 平稳随机过程 第十三章 选做习题 第十四章 教材第二版中未被列人第三版的习题

连续时间马氏链 仍记状态空间为S={0,1,2,…} 定义设随机过程X={X(t),t≥0}对于任意0≤to0就有 P{(tn+1)=in+1(to) io, X (t1) =i1,.,()= in} =P{X(tn+) in+()= in} 则称{X(t),t≥0}为连续参数马尔可夫链(简称连续参数马氏链)

海底金矿矿山水害对矿山生产、人员施工及矿山设备等产生较大威胁，是矿山开采中的自然灾害之一，快速有效的判别出矿山水害水源对于事故的防治有重要意义。三山岛金矿的巷道围岩裂隙普遍并长期存在涌水现象，矿区开采中矿井水害的水源主要有海水、第四系水、基岩裂隙水、地下水等，为了准确快速的判别矿井水水源，有效预防矿井水突水及水害威胁，本研究结合监测点水样的水文地质条件与不同监测点水样的水化学成分分析，选取Mg2+、Na++K+、Ca2+、SO42?、Cl?和HCO3 ?共6项指标作为判别因子，通过主成分分析得出不同水样的矿化程度。在贝叶斯算法分析原理的基础上，将马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)引入到贝叶斯方法中，运用统计软件SPSS统计，构建贝叶斯判别分析模型，得出基于水样样本信息的算法估计的后验分布，得出矿山水害水源的分析方法。运用三山岛金矿水害取水点的水样分析数据进行详细的分析验证，建立矿井突水水源模型，进行不同水样的信息分析，得出贝叶斯统计函数并进行水源判别结果分析，验证了贝叶斯矿山水害水源判别模型的准确性和实用性，对现场工作的开展和水害防治有一定的指导意义

第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布 第四章 随机变量的数字特征 第五章 大数定律及中心极限定理 第六章 样本及抽样分布 第七章 参数估计 第八章 假设检验 第九章 方差分析及回归分析 第十章 随机过程及其统计描述 第十一章 马尔可夫链 第十二章 平稳随机过程 第十三章 选做习题 第十四章 教材第二版中未被列人第三版的习题