Rethinking the Foundations of Statistics (Cambridge Studies in Probability, Induction and Decision T pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Cambridge University Press

作者:Joseph B. Kadane

出品人:

页数:398

译者:

出版时间:1999-08-13

价格:USD 44.99

装帧:Hardcover

isbn号码:9780521640114

丛书系列:

图书标签:

统计学
科学哲学
Statistics
Probability
Foundations
Decision Theory
Induction
Statistical Inference
Bayesian Statistics
Philosophy of Science
Cambridge University Press
Mathematical Statistics

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小哈图书下载中心

qciss.net

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

This important collection of essays is a synthesis of foundational studies in Bayesian decision theory and statistics. An overarching topic of the collection is understanding how the norms for Bayesian decision making should apply in settings with more than one rational decision maker and then tracing out some of the consequences of this turn for Bayesian statistics. There are four principal themes to the collection: cooperative, non-sequential decisions; the representation and measurement of 'partially ordered' preferences; non-cooperative, sequential decisions; and pooling rules and Bayesian dynamics for sets of probabilities. The volume will be particularly valuable to philosophers concerned with decision theory, probability, and statistics, statisticians, mathematicians, and economists.

《统计学基础重思：概率、归纳与决策理论的 Cambridge 研究》图书简介本书深入探讨了现代统计学的哲学基石、方法论困境与未来走向，专注于剖析概率论、归纳推理和决策理论这三大支柱之间的复杂互动。它并非一本标准的统计学教科书，而是对现有统计范式进行一次审慎而深入的批判性反思，旨在为研究者、高级学生和对科学哲学感兴趣的读者提供一个理解统计学核心假设的全新视角。第一部分：概率论的本体论与认识论辩论本书的第一部分着重于对概率概念本身进行溯源和解构。我们首先回顾了经典概率论（如频率主义）的历史演进及其在处理不确定性问题时的内在局限性。频率主义对“长期相对频率”的依赖，在面对单次事件或不可重复实验时，如何有效衔接至实际的统计推断，一直是其面临的根本挑战。随后，本书详细考察了主观主义概率（或贝叶斯观点）的兴起。这部分内容深入剖析了相干性（coherence）原则在构建个人信念结构中的作用。我们探讨了如何将个体知识、偏好和信息量化为概率分布，并讨论了这种方法论在解决“先验信息”选择上的主观性争议。这里，我们借鉴了决策理论的最新成果，力图阐明，即便在严格的理性框架下，先验选择的多样性如何不可避免地影响最终的推断结果。此外，本书还专题讨论了倾向性（propensity）理论，试图将概率理解为系统固有的物理属性，而非仅仅是知识状态的反映。通过对量子物理学中概率解释的分析，我们探究了物理实在是否能为客观概率提供坚实的本体论基础，并讨论了这种观点在宏观统计推断中的实际应用价值及其哲学上的争议点。第二部分：归纳推理的结构与挑战本书的第二部分转向统计推断的核心——归纳问题。我们不再将归纳视为一个简单的问题，而是将其分解为一系列相互关联的难题：从有限数据推断至无限总体、从观察性证据推断至因果效应、以及从既有理论推断至新知识的产生。传统的可证伪性与可证实性标准在统计推断中的应用受到了严格的审视。我们深入分析了奥卡姆剃刀原理在模型选择中的作用，并将其形式化为正则化（Regularization）技术在机器学习和高维统计中的体现。这部分内容强调了统计模型作为对现实的简化表征，其“正确性”并非绝对，而应以其预测效能和解释能力来衡量。一个关键的章节专门讨论了P值文化及其弊端。我们批判性地考察了显著性检验如何被误用，以及对“零假设”的盲目依赖如何阻碍了实质性科学发现。本书提出了对替代性推断框架的迫切需求，如效应量（Effect Size）的报告、贝叶斯模型比较（Bayes Factor）的细致解读，以及信息论视角下的模型评估。我们强调，统计推断的价值在于量化不确定性和指导未来行动，而非仅仅是二元的“接受/拒绝”决策。第三部分：决策理论与统计实践的融合第三部分是全书的整合点，探讨了决策理论如何为统计推断提供一个统一的规范性框架。我们从统计学中“最优化”目标的提出开始，讨论了损失函数（Loss Function）的选择如何本质上定义了我们对错误类型的偏好（I类错误与II类错误的不同权重）。本书详细分析了效用理论（Utility Theory）在统计决策中的应用。我们考察了如何将经济学、伦理学乃至心理学中的价值判断融入统计模型的构建之中。例如，在医学诊断或金融风险管理中，对不同类型错误（如漏诊或误判）的社会或经济成本，必须通过特定的损失函数来体现。我们对统计有效性（Efficiency）和稳健性（Robustness）进行了深入的比较。有效性关注估计量在理想条件下能否达到理论最优，而稳健性则关注估计量在模型假设被轻微违反时，其性能下降的程度。本书认为，在现实的复杂数据环境中，对稳健性的追求往往比对极限有效性的追求更为重要，并展示了各种非参数和半参数方法如何在保持合理效率的同时，极大地提高了决策的可靠性。结论：走向一个更具反思性的统计学全书的结论部分总结了对传统统计学范式的挑战，并展望了未来的研究方向。我们主张，未来的统计学必须更加元认知（metacognitive）：研究人员不仅要应用统计工具，更要清晰地理解这些工具背后的哲学假设、局限性以及适用范围。本书旨在激励读者超越机械地应用公式和软件的层面，去理解统计推断的艺术性和责任性。它要求统计实践者成为更自觉的批判者，能够根据特定的科学问题和背景，量身定制最恰当的概率解释和推理框架。这对于处理当今社会所面临的复杂、高维、信息异构的数据挑战至关重要。通过这次“基础重思”，我们期望推动统计学向一个更加灵活、透明和负责任的方向发展。核心议题概述：频率派与贝叶斯概率观点的本体论分野与认识论张力。先验信息的主观性与客观性边界的审视。归纳推理的内在逻辑约束与模型选择的原则。 P值与显著性检验的滥用及其对科学发现的负面影响。决策理论在量化统计推断中不可或缺的规范性作用。稳健性与有效性在实际应用中的权衡。