第1章 緒論
1.1 測量誤差
1.2 時間序列數據
1.3 負相依數據
1.4 缺失數據
1.5 微陣列數據
第2章 核實數據下EV樣本總體估計
2.1 核實數據下均值的估計
2.2 m相依樣本基于核實數據的均值估計
2.3 核實數據下的遞歸型核密度估計
第3章 解釋變量有誤差的自回歸模型
3.1 EV自回歸模型
3.2 參數估計方法
3.3 數值模擬
3.4 定理的證明
第4章 全部變量有誤差的自回歸模型
4.1 參數估計方法
4.2 平穩(wěn)性檢驗問題
4.3 數值模擬
4.4 定理的證明
第5章 基于整值時間序列數據的風險模型
5.1 模型介紹
5.2 泊松MA(1)過程的風險模型
5.3 泊松AR(1)過程的風險模型
第6章 負相依數據下的極限理論及應用
6.1 負相依數據部分和之和的強大數定律
6.2 負相依數據部分和之和的弱大數定律
6.3 負相依數據部分和之和的中心極限定理
6.4 誤差為NA序列變窗寬下核回歸估計
第7章 缺失數據非參數回歸函數加權核估計
7.1 引言
7.2 Priestley-Chao核估計法
7.3 主要結果
7.4 主要結果的證明
第8章 微陣列數據下的多重假設檢驗
8.1 基本概念
8.2 FWER檢驗法
8.3 FDR檢驗法
8.4 pFDR檢驗法
8.5 實例分析
參考文獻