重分形分析是20世纪80年代以来分形几何很重要的成果，已成为分形几何的核心课题之一，它广泛应用于动力系统、湍流、降雨量模型、地震和昆虫数量的空间分布、金融时间序列模型及交通网络模型。本书侧重将重分形分析理论应用于统计，特别是用统计学的观点来估计分形维数是其他书所未涉及的独到的贡献。本书部分介绍背景和重分形测度的不同定义，特别是用格覆盖和点中心球覆盖的两种构造。第二部分介绍大偏差下的重分形公式，主要讨论通过大偏差理论得到上述两种构造的"重分形机制"。第三部分讨论Renyi维数的估计、性质及其应用。独特的是将偏差分为内在与外在两类形式，并通过理论及实例指出：内在偏差由概率分布的内在性质引起，外在偏差由取样与所采用的统计方法形成，从而给出了一些实用的方法与技巧。同时给出丰富的应用实例，特别详细讨论了地震位置空间点模型。附录部分概括介绍了各种维数的定义和大偏差理论。这是一本将重分形理论应用于统计的很好好的参考书。可供数学及相关专业高年级本科生、研究生及科研教学人员参考。

中文版序
前言
符号表
插图列表
部分 引言和预备知识
章 动机和背景
1.1 引言
1.2 分形集和重分形测度
1.3 动力系统
1.4 湍流
1.5 降雨量
1.6 地震模型
1.7 其他应用
1.8 重分形概念
1.9 全书概述
第2章 重分形公式
2.1 引言
2.2 广义Rényi维数的发展历史
2.3 广义Rényi格维数
2.4 广义Rényi点中心维数
2.5 重分形谱和重分形公式
2.6 格点情形的基本结论的复习
2.7 点中心情形的结论的复习
第3章 多项分布测度
3.1 引言
3.2 局部性态
3.3 全局平均和Legendre变换
3.4 分形维数
3.5 点中心构造
第二部分 大偏差下的重分形公式
第4章 基于格点的重分形
4.1 引言
4.2 大偏差公式
4.3 均匀空间样本测度
4.4 样本测度组成的族
4.5 Hausdorff维数
第5章 点中心情形的重分形
5.1 引言
5.2 大偏差体系
5.3 一族样本测度
5.4 Hausdorff维数
5.5 格构造和点中心构造之间的关系
第6章 倍增级联过程
6.1 引言
6.2 Moran级联过程
6.3 随机级联
6.4 其他级联过程
第三部分 Rényi维数的估计
第7章 q阶点间距离和内在偏差
7.1 第三部分的引言
7.2 边界效应
7.3 边界的重数
7.4 FY(y)的分解
7.5 可微分布
第8章 点中心Rényi维数估计(q≥2)
8.1 引言
8.2 推广的Grassberger-Procaccia运算法则
8.3 Takens估计
8.4 Hill估计
8.5 自举估计过程
8.6 讨论和例子
第9章 偏差的外在来源
9.1 引言
9.2 强加的边界的影响
9.3 四舍五入的影响
9.4 噪音的影响
0章 维数估计的应用
10.1 引言
10.2 进一步的估计和诠释
10.3 空间与时间点模式
10.4 动力系统
10.5 一个过程是随机的，还是决定性的?
10.6 具有幂律性质的随机过程
1章 地震分析
11.1 引言
11.2 数据来源
11.3 引起偏差的影响
11.4 结果
11.5 结果的比较和结论
第四部分 附录
附录A 集合的性质和维数
A.1 自相似集
A.2 Hausdorff维数
A.3 盒维数
A.4 Packing维数
附录B 大偏差
B.1 导论
B.2 Cramér定理
B.3 Gartner-Ellis定理
参考文献
译后记
《现代数学译丛》已出版书目