发布时间：
你的描述比较宽泛，投文章是要根据你做的具体的研究来的。建议你看一下这一领域里主流杂志发表的文章的参考文献，就基本能了解该领域大概有哪些杂志可供你选择。
主持和主持完成国家自然科学基金项目4项，主持和主持完成教育部重点合作项目1项及社科项目2项。与他人合作在世界一流杂志JASA发表有关生存模型的论文；与伦敦政治经济学院首席教授、挪威科学院院士、瑞典皇家科学院聘请的诺贝尔经济学奖提名人HTong等人合作，2004年在世界著名杂志Statistica Sinica首期、首页发表重点讨论文章（discussion papaer）；2001年在世界著名杂志Statistica Sinica发表的研究成果被美国University of North Carolina-Chapel Hill首席教授Michael,RKosorok列为该领域的代表性成果之一，见其2008的著作Introduction to Empirical Processes and Semi-parametric Inference，该书是世界著名的Springer 出版社出版的统计系列世界名著之一。已在SCI杂志发表论文18篇，论文还被《美国数学评论》、《德国数学文摘》、《俄罗斯数学评论》收录数十次，被EI检索3次。独立获得省部级1等奖1项，二等奖2项。
主要去官网查看扩展资料近日，Stanford大学教授Sourav Chatterjee在统计学顶级期刊JASA发表了题为A new coefficient of correlation的文章，本文对其主要内容进行简介。为什么要提出新的相关性度量？三大经典相关性度量：Pearson’ s correlation coefficient, Spearman’s \rho, and Kendall’s \tau尽管能够有效检测线性或者单调关联且有良好的理论计算p值，但无法检测非单调的关联。因此，检测非线性关联成为一个重要且热点的问题。已有很多学者对此进行研究，提出了诸如maximal correlation coefficient、information theoretic coefficients、kernel-based methods、coefficients based on copulas以及distance correlation等度量。这些新的度量也存在一定缺陷。第一、这些度量用来检验独立性是适当的，但并不能很好地测定不同变量关系的强度。一个好的度量在趋于其最大值时当且仅当其中一个变量是另一个变量的确定性函数。很多新近所提相关性度量并不满足此性质。第二、大多相关性度量并不具有简单的渐近分布。比如Distance correlation的渐近分布是无穷多项加权卡方和。只能借助置换或者Bootstrap方法来计算p值，而这样的操作计算量是很大的。目标提出一种新的相关性度量，其具有以下性质：形式简单易于计算；取值为0当且仅当两个变量是相互独立的；取值为1当且仅当两个变量具有函数关系；在两变量独立时，具有简单的渐近性质。资料来源于网络若侵权联系删
美国统计协会期刊（journal of the American Statistical Association）
applied physics letter, physics review letter还有jasa之类的
中学物理教学参考
您好！如果是杂志的话！1、IMS是指数理统计学杂志。具体为IMSBulletin。其中IMS为国际数理统计学会（InstituteofMathematicalStatistics）的意思。2、JASA是美国的统计学杂志。(JournaloftheAmericanStatisticalAssociation)从2000年起刊登了一个由50多篇短文组成的连载，每篇短文都着力概括统计学中的某一领域在即将过去的一个世纪所取得的进展。这一计划的初衷在于将统计学中一些最优秀的成果做一总结，并且突出未来研究中的具有潜力的领域。这些文章涵盖了列联表(contingencytable)，对数线性模型(Fienberg,2000)，因果推理在社会科学中的应用(Sobel,2000)，人口学(Xie,2000)，政治学方法论(Beck,2000)，计量心理学(Browne,2000)，经验方法在法律科学中的应用(Eisenberg,2000)等诸多领域，是一些非常好的综述性文章，对于学习统计学的人来说是难得的学习材料。望采纳！
主要去官网查看扩展资料近日，Stanford大学教授Sourav Chatterjee在统计学顶级期刊JASA发表了题为A new coefficient of correlation的文章，本文对其主要内容进行简介。为什么要提出新的相关性度量？三大经典相关性度量：Pearson’ s correlation coefficient, Spearman’s \rho, and Kendall’s \tau尽管能够有效检测线性或者单调关联且有良好的理论计算p值，但无法检测非单调的关联。因此，检测非线性关联成为一个重要且热点的问题。已有很多学者对此进行研究，提出了诸如maximal correlation coefficient、information theoretic coefficients、kernel-based methods、coefficients based on copulas以及distance correlation等度量。这些新的度量也存在一定缺陷。第一、这些度量用来检验独立性是适当的，但并不能很好地测定不同变量关系的强度。一个好的度量在趋于其最大值时当且仅当其中一个变量是另一个变量的确定性函数。很多新近所提相关性度量并不满足此性质。第二、大多相关性度量并不具有简单的渐近分布。比如Distance correlation的渐近分布是无穷多项加权卡方和。只能借助置换或者Bootstrap方法来计算p值，而这样的操作计算量是很大的。目标提出一种新的相关性度量，其具有以下性质：形式简单易于计算；取值为0当且仅当两个变量是相互独立的；取值为1当且仅当两个变量具有函数关系；在两变量独立时，具有简单的渐近性质。资料来源于网络若侵权联系删