| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 国内外研究现状 | 第11-13页 |
| 1.1.1 联合模型 | 第11-12页 |
| 1.1.2 统计诊断 | 第12-13页 |
| 1.1.3 Pena距离 | 第13页 |
| 1.2 本文研究思路及内容 | 第13-14页 |
| 1.3 研究的创新点 | 第14页 |
| 1.4 本文的组织结构 | 第14-16页 |
| 第二章 本文相关的理论方法 | 第16-20页 |
| 2.1 极大似然估计 | 第16页 |
| 2.2 Bayes估计 | 第16-20页 |
| 2.2.1 Gibbs抽样 | 第17-18页 |
| 2.2.2 Metropolis-Hastings(MH)算法 | 第18-20页 |
| 第三章 联合均值与方差模型的统计诊断 | 第20-35页 |
| 3.1 参数估计 | 第20-21页 |
| 3.1.1 联合均值与方差模型 | 第20页 |
| 3.1.2 数据删除模型 | 第20页 |
| 3.1.3 极大似然估计 | 第20-21页 |
| 3.2 诊断统计量 | 第21-23页 |
| 3.2.1 似然距离及其计算 | 第22页 |
| 3.2.2 Cook距离及其计算 | 第22-23页 |
| 3.3 局部影响分析 | 第23-25页 |
| 3.3.1 均值扰动模型 | 第23-24页 |
| 3.3.2 方差加权扰动模型 | 第24-25页 |
| 3.3.3 局部影响分析小结 | 第25页 |
| 3.4 MonteCarlo模拟 | 第25-28页 |
| 3.5 实例分析 | 第28-35页 |
| 3.5.1 洋葱数据实例分析 | 第28-31页 |
| 3.5.2 心脏病数据实例分析 | 第31-35页 |
| 第四章 联合均值与方差模型的Bayes诊断 | 第35-45页 |
| 4.1 Bayes联合模型 | 第35页 |
| 4.2 Bayes估计 | 第35-37页 |
| 4.2.1 参数的先验概率密度函数 | 第35-36页 |
| 4.2.2 MH算法 | 第36-37页 |
| 4.2.3 Bayes估计 | 第37页 |
| 4.3 Bayes诊断统计量 | 第37-39页 |
| 4.3.1 Ф-差异统计量 | 第38-39页 |
| 4.3.2 CM距离 | 第39页 |
| 4.4 MonteCarlo模拟 | 第39-42页 |
| 4.4.1 参数估计 | 第39-41页 |
| 4.4.2 统计诊断 | 第41-42页 |
| 4.5 实例分析 | 第42-45页 |
| 4.5.1 洋葱数据实例分析 | 第42-43页 |
| 4.5.2 心脏病数据实例分析 | 第43-45页 |
| 第五章 基于Pena距离的联合均值与方差模型的统计诊断 | 第45-48页 |
| 5.1 Pena距离 | 第45-46页 |
| 5.2 MonteCarlo模拟及实例分析 | 第46-48页 |
| 5.2.1 MonteCarlo模拟 | 第46页 |
| 5.2.2 实例分析 | 第46-48页 |
| 第六章 结论 | 第48-49页 |
| 6.1 研究总结 | 第48页 |
| 6.2 研究展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录A 论文的部分主要程序 | 第54-58页 |
| A.1 第三章实例分析的部分程序 | 第54-55页 |
| A.2 第四章实例分析的部分程序 | 第55-58页 |
| 附录B 抽样结果 | 第58-60页 |
| B.1 洋葱数据参数的抽样过程 | 第58-59页 |
| B.2 心脏病数据参数的抽样过程 | 第59-60页 |
| 附录C 发表/已完成的论文 | 第60页 |