close
1.

図書

図書
Brian D. Ripley
出版情報: New York : J. Wiley, c1987  xi, 237 p. ; 24 cm
シリーズ名: Wiley series in probability and mathematical statistics ; . Applied probability and statistics
所蔵情報: loading…
目次情報: 続きを見る
Aims of Simulation
Pseudo-Random Numbers
Random Variables
Stochastic Models
Variance Reduction
Output Analysis
Uses of Simulation
Appendixes
Index
Aims of Simulation
Pseudo-Random Numbers
Random Variables
2.

図書

図書
Brian D. Ripley
出版情報: New York : Wiley, c1981  x, 252 p. ; 24 cm
シリーズ名: Wiley series in probability and mathematical statistics ; . Applied probability and statistics
所蔵情報: loading…
目次情報: 続きを見る
basic Stochastic Processes
Spatial Sampling
Smoothing and Interpolation
Regional and Lattice Data
Quadrat Counts
Field Methods for Point Patterns
Mapped Point Patterns
Image Analysis and Stereology
References
Bibliography
Index
basic Stochastic Processes
Spatial Sampling
Smoothing and Interpolation
3.

図書

図書
B.D. Ripley
出版情報: New York : Cambridge University Press, 1996  xi, 403 p. ; 26 cm
所蔵情報: loading…
目次情報: 続きを見る
Introduction and examples / 1:
Statistical decision theory / 2:
Linear discriminant analysis / 3:
Flexible discriminants / 4:
Feed-forward neural networks / 5:
Non-parametric methods / 6:
Tree-structured classifiers / 7:
Belief networks / 8:
Unsupervised methods / 9:
Finding good pattern features / 10:
statistical sidelines / Appendix:
Glossary
References
Author index
Subject index
Introduction and examples / 1:
Statistical decision theory / 2:
Linear discriminant analysis / 3:
4.

図書

図書
W.N. ヴェナブルズ, B.D. リプリー著 ; 伊藤幹夫 [ほか] 訳
出版情報: 東京 : シュプリンガー・フェアラーク東京, 2001.7  ix, 589p ; 25cm
所蔵情報: loading…
5.

図書

東工大
目次DB

図書
東工大
目次DB
W. N. ヴェナブルズ, B. D. リプリー著 ; 伊藤幹夫 [ほか] 訳
出版情報: 東京 : シュプリンガー・ジャパン, 2009.12  xviii, 589p ; 24cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 はじめに 1
    1.0.1 オペレーティング・システムによる違い 2
    1.0.2 レファレンス・マニュアル 3
    1.0.3 グラフィカル・ユーザー・インターフェース(GUI) 3
    1.0.4 コマンドライン上の編集 3
   1.1 Sを概観する 4
   1.2 Sを使う 6
    1.2.1 トラブルからの脱出 6
    1.2.2 オンライン・ヘルプ 6
   1.3 入門セッション 7
   1.4 次は 13
   1.4.1 Rユーザー向けのノート 13
第2章 データの扱い方 15
   2.1 オブジェクト 15
    2.1.1 因子 18
    2.1.2 データフレーム 20
    2.1.3 行列と配列 21
    2.1.4 データ欠損に対する特別な値 23
   2.2 連携 24
    2.2.1 データ入力 25
    2.2.2 read.table を使うデータのインポート 26
    2.2.3 他のシステムからのデータの取り込み 28
    2.2.4 scan の使用 29
    2.2.5 readLines の使用 29
    2.2.6 データの書き出し 29
    2.2.7 オブジェクトの保存 31
    2.2.8 連携についての補足 32
   2.3 データ操作 33
    2.3.1 添字ベクトル 33
    2.3.2 データフレームと行列,配列の添字 35
    2.3.3 一部分の取り出し 36
    2.3.4 欠損値の書き換え 37
    2.3.5 データフレーム・行列の結合 38
    2.3.6 ソート 38
    2.3.7 データ変換 39
   2.4 表とクロス分類 44
    2.4.1 クロス集計 45
    2.4.2 クロス表の計算 45
    2.4.3 データフレームとしての頻度表 46
第3章 S言語 49
   3.1 言語の構成 49
    3.1.1 ファイルからコマンドを実行したり,出力をファイルにする 50
    3.1.2 Sオブジェクトを扱う 51
   3.2 Sオブジェクトに関して補足 53
    3.2.1 リスト 53
    3.2.2 属性 54
    3.2.3 連結 55
    3.2.4 強制変換 55
   3.3 算術式 56
    3.3.1 再利用規則 57
    3.3.2 標準的なS 関数 57
    3.3.3 論理式 59
    3.3.4 演算の優先順位 60
    3.3.5 規則性のある数列を生成する 61
   3.4 文字ベクトルに対する演算 62
    3.4.1 欠損値 64
    3.4.2 正規表現 64
   3.5 データの形式と出力 65
   3.6 関数呼び出しの方法 67
   3.7 モデル式 68
   3.8 制御構造 70
    3.8.1 ループ : for文,while文,repeat文 70
    3.8.2 1パラメータの最尤推定法 : 例 71
   3.9 配列と行列に対する演算 72
    3.9.1 基本的な行列演算 72
    3.9.2 行列に作用するその他の関数 74
    3.9.3 ベクトル演算 77
   3.10 クラスとメソッドの入門 80
    3.10.1 メソッド・ディスパッチ 81
第4章 グラフィックス 83
   4.1 グラフィックス・デバイス 85
   4.2 基本プロット関数 87
    4.2.1 棒グラフ 87
    4.2.2 線グラフと散布図 88
    4.2.3 多変量プロット 90
    4.2.4 曲面のプロット 91
    4.2.5 新しい型のプロットの作成 93
   4.3 便利なプロット 93
    4.3.1 プロット上の複数図形要素 93
    4.3.2 情報の付加 96
   4.4 グラフの高度な調整 99
    4.4.1 図形領域とレイアウト・パラメータ 100
    4.4.2 いくつかの図に共通の座標軸 103
    4.4.3 例 : 包絡線付き正規Q-Qプロット 104
   4.5 トレリス・グラフィックス 107
    4.5.1 トレリスのグラフィックス・デバイス 108
    4.5.2 トレリスのモデル式 108
    4.5.3 基本トレリスプロット 109
    4.5.4 プロットの格子配置(trellis) 113
    4.5.5 ページ内の複数表示 123
    4.5.6 高度な調整 123
第5章 1 変量の統計解析 127
   5.1 確率分布 127
    5.1.1 Q-Qプロット 129
    5.1.2 1変量の分布のあてはめ 129
    5.1.3 多変量分布 131
   5.2 ランダム・データの生成 131
   5.3 データの要約 132
    5.3.1 ヒストグラムと幹葉プロット 133
    5.3.2 箱型図 136
   5.4 古典的な1変量統計解析 137
   5.5 頑健性を持つ統計量によるデータの要約 142
    5.5.1 M推定量の例 145
    5.5.2 実例 147
   5.6 密度関数の推定 149
    5.6.1 帯域幅の選択 152
    5.6.2 端点の影響 153
    5.6.3 2変量のデータ 154
    5.6.4 モデルのあてはめによる密度関数推定 156
    5.6.5 局所多項式によるあてはめ 156
   5.7 ブートストラップおよび並べ替え法 157
    5.7.1 並べ替え検定 163
第6章 線型の統計モデル 165
   6.1 共分散分析の例 165
   6.2 モデル式とモデル行列 171
    6.2.1 対比行列 173
    6.2.2 パラメータの解釈 175
    6.2.3 多元配置(higher-way layout) 176
   6.3 回帰診断 179
    6.3.1 スコットランドの登山レース 180
   6.4 信頼できる予測 184
   6.5 頑健回帰と抵抗回帰 185
    6.5.1 M 推定量 187
    6.5.2 抵抗回帰(resistant regression) 189
    6.5.3 スコットランドの登山レース再訪 191
   6.6 線型モデルのブートストラップ 193
   6.7 要因実験と実験計画 195
    6.7.1 計画の実行 198
   6.8 非つり合い型4 元配置 200
    6.8.1 モデル選択 203
   6.9 コンピュータのパフォーマンスの予測 209
   6.10 多重比較 210
第7章 一般化線型モデル 215
    7.0.1 繰り返し推定法 218
    7.0.2 尤離度の分析 219
   7.1 一般化線型モデルのための関数 220
    7.1.1 予測と残差 221
    7.1.2 モデル式 222
    7.1.3 デフォルトの正規モデル族 223
   7.2 2項データ 223
    7.2.1 2項データの例 : 幼児の低出生体重 228
    7.2.2 2項モデル族による一般化線型モデルの問題点 232
   7.3 Poissonモデルと多項モデル 233
    7.3.1 4元度数分布表の例 234
    7.3.2 逐次比例尺度構成によるあてはめ 238
    7.3.3 多項モデルとしてのあてはめ 238
    7.3.4 比例オッズモデル 239
   7.4 負の2項モデル族 241
   7.5 2項モデルおよびPoisson 一般化線型モデルにおける過分散 244
第8章 非線型モデルと平滑化回帰 249
   8.1 導入 249
   8.2 非線型回帰モデルのあてはめ 251
    8.2.1 導関数の情報の利用 253
    8.2.2 非線型回帰における開始値の自動設定 255
   8.3 非線型あてはめモデルオブジェクトとメソッド関数 256
    8.3.1 線型パラメータの利用 257
   8.4 パラメータの信頼区間 259
    8.4.1 2変量領域 : Stomer の粘度計データ 262
    8.4.2 ブートストラップ 265
   8.5 プロファイル 266
   8.6 制約付き非線型回帰 267
   8.7 1次元曲線のあてはめ 268
    8.7.1 スプライン 269
    8.7.2 局所的回帰 271
    8.7.3 あてはめられた曲線の導関数を探す 272
   8.8 加法モデル 273
    8.8.1 応答変数変換モデル 278
   8.9 射影追跡回帰 281
    8.9.1 例 : cpusデータ 284
   8.10 ニューラルネットワーク 285
    8.10.1 例 : cpusデータ 290
   8.11 結論 292
第9章 樹形モデル 295
   9.1 分割法 298
    9.1.1 分類樹 299
    9.1.2 回帰樹 301
    9.1.3 欠損値 302
    9.1.4 樹木のサイズを小さくする 302
   9.2 rpartにおける実装 303
    9.2.1 ガラス破片データ 306
    9.2.2 プロット 311
    9.2.3 細かな制御について 312
    9.2.4 欠損値 312
   9.3 treeにおける実装 313
第10章 変量効果と混合効果 317
   10.1 線型モデル 318
    10.1.1 マルチレベル分析 324
    10.1.2 縦断的データの例 325
    10.1.3 変量効果および残差の共分散構造 326
   10.2 古典的入れ子型実験計画 327
    10.2.1 多層モデル 329
   10.3 非線型混合効果モデル 335
    10.3.1 ウサギの血圧 337
   10.4 一般化線型混合モデル 341
    10.4.1 応用例 342
    10.4.2 条件付き推測 345
    10.4.3 数値積分 346
    10.4.4 PQL 法 347
    10.4.5 過分散 348
   10.5 一般化推定方程式モデル 348
第11章 探索的多変量解析 353
    11.0.1 応用例 : Leptograpsus variegatus蟹データ 354
   11.1 視覚による方法 354
    11.1.1 主成分分析 355
    11.1.2 探索的射影追跡 358
    11.1.3 距離法 359
    11.1.4 バイプロット(biplot) 366
    11.1.5 独立成分分析 367
    11.1.6 象形文字表現 368
    11.1.7 平行座標プロット 369
   11.2 クラスター分析 370
    11.2.1 分割化の方法 373
   11.3 因子分析 377
    11.3.1 因子の回転 380
   11.4 離散多変量解析 381
    11.4.1 モザイクプロット 382
    11.4.2 対応分析 383
    11.4.3 多変量対応分析 385
第12章 分類 389
   12.1 判別分析 390
    12.1.1 正規母集団に対する判別 392
    12.1.2 データセットcrabs 393
    12.1.3 多重分散の位置とスケールの頑健評価 395
   12.2 分類理論 396
    12.2.1 予測と「プラグイン」ルール 398
    12.2.2 例 : Cushing症候群 399
    12.2.3 混合判別分析 401
   12.3 ノンパラメトリックルール 401
   12.4 ニューラルネットワーク 402
   12.5 サポートベクターマシン 404
   12.6 ガラス鑑識の例 406
   12.7 カリブレーションプロット 410
第13章 生存時間解析 413
   13.1 生存曲線の推定量 416
    13.1.1 生存曲線の検定 419
   13.2 パラメトリック・モデル 420
    13.2.1 関数censorReg 427
   13.3 Coxの比例的危険度モデル 428
    13.3.1 残差分析 432
    13.3.2 危険度の比例性の検定 434
   13.4 その他の分析例 435
    13.4.1 在郷軍人局の肺ガンデータ 435
    13.4.2 Stanfordの心臓移植データ 440
    13.4.3 オーストラリアにおけるAIDSに対する生存データ 443
第14章 時系列分析451
   14.1 2次モーメントによるデータの要約 454
    14.1.1 スペクトル解析 457
   14.2 ARIMAモデル 463
    14.2.1 モデルの同定 464
    14.2.2 モデルのあてはめ 465
    14.2.3 予測 468
    14.2.4 AR 過程を介したスペクトル密度関数 468
    14.2.5 回帰項の導入 469
   14.3 季節性 469
    14.3.1 時系列の分解 470
    14.3.2 季節ARIMAモデル 472
   14.4 Nottinghamの気温データ 473
   14.5 誤差項が自己相関しているときの回帰分析 477
   14.6 金融時系列モデル 482
第15章 空間統計学487
   15.1 空間計学における補間と平滑化 487
    15.1.1 トレンド曲面 488
    15.1.2 局所トレンド曲面 491
   15.2 kriging 494
    15.2.1 共分散の推定 495
   15.3 点過程分析 499
    15.3.1 その他の過程 503
第16章 最適化505
   16.1 1変量関数 505
   16.2 目的別(special-purpose)最適化関数 506
   16.3 一般的最適化 506
    16.3.1 例 : 混合モデルのあてはめ 507
    16.3.2 S-PLUSでのnlminbの使用 509
    16.3.3 S-PLUSにおけるmsの使用 513
    16.3.4 S-PLUSでのnlminの使用 514
    16.3.5 RまたはS-PLUSでのoptimの使用 515
    16.3.6 一般化線型モデル(GLM)のあてはめ 516
付録A 実装ごとの実行の詳細 519
   A.1 S-PLUSをUnix/Linux環境で使う 519
    A.1.1 はじめましょう 519
    A.1.2 ヘルプシステムの使い方 521
    A.1.3 グラフィックスのハードコピー 521
   A.2 S-PLUSをWindows環境で使う 523
    A.2.1 はじめましょう 523
    A.2.2 グラフシート(graphsheet) デバイス 525
    A.2.3 グラフィックスのハードコピー 526
   A.3 R をUnix/Linux環境で使う 527
    A.3.1 はじめましょう 527
    A.3.2 ヘルプシステムの使い方 528
    A.3.3 グラフィックスのハードコピー 528
   A.4 RをWindows環境で使う 529
    A.4.1 グラフィックスのハードコピー 529
   A.5 Emacs ーザーのために 530
付録B S-PLUSのGUI 531
   B.0.1 コマンド・ウィンドウ 532
   B.0.2 スクリプト・ウィンドウ 532
   B.0.3 レポート・ウィンドウ 534
   B.0.4 オブジェクト・エクスプローラ 534
   B.0.5 データ・ウィンドウ 535
付録C データセット,ソフトウェア,ライブラリ 537
   C.1 われわれのソフトウェア 537
    C.1.1 免責事項 538
   C.2 ライブラリの使用 538
    C.2.1 S-PLUS でのプライベート・ライブラリ 539
    C.2.2 R でのプライベート・ライブラリ 540
    C.2.3 ライブラリのソース 540
訳者あとがき 557
コマンド索引 559
欧文索引 568
和文索引 580
第1章 はじめに 1
    1.0.1 オペレーティング・システムによる違い 2
    1.0.2 レファレンス・マニュアル 3
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼