用于统计学证据论证的数学理论

　 本书所依据的统计证据是在不可靠的情况下推论的，“推论”在这里意指寻找支持或反对感兴趣的特定假设的证据，由两方面组成：第一，是受到了形式逻辑中经典推论的启发，即推论是从代表域的特殊知识的观测事实与公式的知识库做出的，在本书中事实是统计观测和通用知识，它们是通过被称为函数模型的一种特殊类型的统论文联盟*论文联盟*编辑。计模型的范例来表示的；第二，处理形式推理发生过程中的不确定性，这里，提示理论是恰当的工具。作者假设某些不可靠的摄动采用一个特殊的值，然后逻辑地评估这个假定的后承，于是关于摄动初始值的不确定性被转换成假设的后承，这种推论叫做基于假定的推理。
　　 全书共8章，分三部分。第一部分(含第1、2章)推导了用于离散参数的广义函数模型的理论，并引出了证据的一般权重的概念；第1章广义函数模型理论；第2章似真与似然函数。第二部分(含第3～7章)研究高斯线性系统的特殊线性函数模型；第3章连续标架的提示与高斯线性系统；第4章基于假设的推理与经典回归模型；第5章基于假设的推理与广义高斯线性系统；第6章作为赋值系统的高斯提示；第7章高斯提示的局部传播；第三部分(仅含1章)说明借助于马尔科夫树中高斯提示的局部传播，很容易地导出了著名的卡尔曼滤波器；第8章卡尔曼滤波器的应用。