计算机随机模拟原理、方法及计算程序

引论
第一章 实验数据的预处理和几类基本算法
1.1 样本均值、样本方差和样本协方差的数值计算递推公式
一、一组样本值的情形
二、二元样本协方差的递推公式
三、p元(p>2)样本均值(向量)和协方差(矩阵)的递推公式
四、？-1(+i)和？-t(—i)的快速算法
1.2 经验分布计算及其拟合检验
一、经验分布计算
二、x2检验法
1.3 异常数据的取舍
一、3σ法则
二、Grubbs方法
三、Mahalanobis广义距离法
1.4 排序问题
一、排序的类型
二、穿梭排序
三、谢尔排序
四、快速排序
1.5 几类基本算法
一、扫除(Sweep)算法
二、正定实对称矩阵的cholesky分解
三、矩阵特征值与特征向量的计算
1.6 程序和例
一、一维数据基本参数分析源程序
二、x2频率拟合检验源程序
三、扫除(Sweep)变换源程序
四、Cholesky分解计算程序
第二章 常用统计分布的数值计算
2.1 正态分布的近似式
一、Willams方法
二、正态分位数的近似式
三、其它正态分布近似式介绍
2.2 其它常用分布的数值计算公式
一、г分布与β分布
二、三个常用连续型分布(x2分布、t分布、F分布)的数值计算
三、两个常用离散分布(二项分布、泊松分布)的数值计算
四、小结
2.3 常用统计分布的计算程序
一、连分式逼近公式的N(0，1)分布函数计算程序
二、二阶迭代法求N(0，1)分位点μp的计算程序
三、(2.1-44)式N(0，1)分位点μp的计算程序
四、β分布的分布函数和密度函数的计算程序
五、x2分布的分布函数和密度函数的计算程序
六、t分布的分布函数的计算程序
七、F分布的分布的函数的计算程序
八、二项分布的分布的函数的计算程序
九、泊松分布的分布函数的计算程序
十、β分布分位点的计算程序
十一、x2分布分位点的计算程序
十二、t分布分位点的计算程序
十三、F分布分位点的计算程序
第三章 随机数与Monte Carlo方法
3.1 什么是Monte Carlo方法
3.2 伪随机数
一、均匀分布的产生
二、伪随机数的检验
3.3 随机变量抽样
一、直接抽样方法
二、变换抽样方法
三、舍选抽样方法
四、值序抽样方法
五、近似抽样一例
六、随机向量的抽样方法
3.4 Monte Carlo方法应用举例
一、最优决策问题
二、可靠性模拟分析
三、用平均值法求解多重积分
3.5 伪随机数及N(0，1)分布随机数发生器源程序
一、产生伪随机数的计算程序
二、产生N(0，1)随机数的计算程序
第四章 多元分析简介
4.1 回归分析
一、单重多元线性回归
二、逐步回归
三、双重筛选逐步回归
四、岭回归
五、特征根回归
4.2 判别分析
一、距离判别
二、Bayes准则的判别分析与逐步判别分析
三、Fisher意义下的判别分析
4.3 相关分析
一、主成分分析
二、因子分析
三、典型相关分析
4.4 系统聚类分析
4.5 程序和例
一、逐步回归分析源程序
二、广义岭回归分析源程序
三、特征根回归分析源程序
四、逐步判别回归分析源程序
五、主成分分析源程序
六、典型相关分析源程序
七、系统聚类分析源程序
第五章 过程统计
5.1 基本概念
一、时间序列定义
二、随机过程
三、几种常用的平稳时间序列
5.2 时域分析和统计预报
一、协方差和相关图
二、线性模型和Box-Jenkins预报
5.3 频域分析和FFT
一、周期图分析
二、谱分析方法
三、FFT算法
5.4 程序和例
参考文献