第1章導論

1.1統計模型的分類      

1.1.1 參數模型

1.1.2 非參數模型

1.1.3 半參數模型

1.2漸近理論

1.2.1 收斂的概念

1.2.2 收斂符號0,(·)和o,(· )

1.2.3 參數Δ方法

1.3估計量的評價

1.3.1 均方誤差準則.

1.3.2 漸近評價準則

第2章參數估計

2.1 分布中的參數估計

2.1.1 矩估計法

2.1.2 極大似然估計法

2.2 回歸函數的估計

2.2.1 線性回歸

2.2.2 廣義線性回歸

2.2.3 非線性回歸

2.3M估計量與Z估計量

2.3.1 介紹

2.3.2 相合性

2.3.3 漸近正態(tài)性

2.3.4一些應用例子

第3章影響函數

3.1 統計泛函

3.1.1 介紹

3.1.2 影響函數

3.1.3非參數Δ方法

3.2 Hilbert空間

32.1 隨機函數的Hilbert空間

3.2.2 子空間與投影

3.3影響函數集合

3.3.1 導引

3.3.2 參數模型

3.3.3 半參數模型

3.3.4 非參數模型

第4章非參數估計

4.1 分布估計

4.11密度函數的估計

4.1.2 分布函數的估計

4.13 危險率函數的核估計

4.2 回歸函數的估計

4.2.1 局部常數核回歸

4.2.2 局部多項式核回歸      

4.2.3 其他非參數回歸方法簡介

4.2.4非參數估計的降維問題       

第5章半參數估計

5.1 分布估計

5.1.1 比例風險模型

5.1.2 部分似然與截面似然

5.2 回歸函數的估計

5.2.1 限制矩模型

5.2.2 部分線性模型

5.2.3 單指標模型

5.2.4 其他半參數模型簡介

參考文獻