顶部
收藏

现代多元统计分析


作者:
田茂再
定价:
48.80元
ISBN:
978-7-04-061415-2
版面字数:
490.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2024-05-31
读者对象:
高等教育
一级分类:
数学与统计学类
二级分类:
统计学专业课
三级分类:
多元统计分析

本书全面系统地阐明了现代多元复杂数据分析理论与方法,反映该领域国际前沿研究状况。内容包括多元数据可视化方法、矩阵代数、多元分析基本工具、多元统计分布、多元正态分布理论、多元似然方法、多元统计假设检验、多元数据因子降维技术、主成分分析、因子分析、聚类分析、判别分析、对应分析、典型相关分析、多维标度分析、联合分析以及高维数据分类等。部分章节配有相应的R代码,帮助读者借助计算机理解相关理论内容,直接上手分析解决实际问题。

本书可作为高等学校统计学类相关专业的本科生和研究生教材或教学参考书,亦可供教师和科技人员参考。

  • 前辅文
  • 第1章 多元数据可视化方法
    • 1.1 箱线图
    • 1.2 直方图
    • 1.3 核密度估计
    • 1.4 散点图
    • 1.5 脸谱图
    • 1.6 调和曲线图
    • 1.7 平行坐标图
    • 习题1
  • 第2章 矩阵代数
    • 2.1 基础知识
    • 2.2 矩阵分解
    • 2.3 二次型
    • 2.4 矩阵导数
    • 2.5 分块矩阵
    • 2.6 几何部分
    • 习题2
  • 第3章 多元分析基本工具
    • 3.1 协方差
    • 3.2 相关系数
    • 3.3 汇总统计量
    • 3.4 两个变量构建的线性模型
    • 3.5 单因素方差分析
    • 3.6 多元线性回归模型
    • 习题3
  • 第4章 多元统计分布
    • 4.1 分布与密度函数
    • 4.2 矩与特征函数
    • 4.3 随机变量函数的变换
    • 4.4 多元正态分布
    • 4.5 样本分布与极限定理
    • 4.6 厚尾分布
    • 4.7 Copula函数
    • 4.8 自助法
    • 习题4
  • 第5章 多元正态分布理论
    • 5.1 多元正态分布的基本性质
    • 5.2 威沙特分布
    • 5.3 霍特林T2分布
    • 5.4 球形分布与椭球形分布
    • 习题5
  • 第6章 多元似然方法
    • 6.1 似然的原理
    • 6.2 极大似然估计与评估
    • 习题6
  • 第7章 多元统计假设检验
    • 7.1 似然比检验
    • 7.2 线性假设
    • 7.3 高维单位协方差矩阵的检验
    • 7.4 重复测量
    • 7.5 两总体均值的比较
    • 习题7
  • 第8章 多元数据因子降维技术
    • 8.1 几何观点
    • 8.2 拟合p 维空间上的数据云
    • 8.3 拟合n 维空间上的数据云
    • 8.4 子空间之间的联系
    • 8.5 应用举例
    • 习题8
  • 第9章 主成分分析
    • 9.1 标准化的线性组合
    • 9.2 主成分的应用
    • 9.3 对主成分的解释
    • 9.4 主成分的渐近性质
    • 9.5 标准化的主成分分析
    • 9.6 主成分与因子分析
    • 9.7 共同主成分
    • 习题9
  • 第10章 因子分析
    • 10.1 正交因子模型
    • 10.2 因子模型的估计问题
    • 10.3 因子得分及策略
    • 10.4 应用举例
    • 习题10
  • 第11章 聚类分析
    • 11.1 聚类分析简介
    • 11.2 个体间的相似度
    • 11.3 聚类算法
    • 11.4 应用举例
    • 习题11
  • 第12章 判别分析
    • 12.1 已知分布的分配原则
    • 12.2 实际中的判别准则
    • 习题12
  • 第13章 对应分析
    • 13.1 背景介绍
    • 13.2 卡方分解
    • 13.3 应用举例
    • 13.4 双标图
    • 习题13
  • 第14章 典型相关分析
    • 14.1 典型相关变量
    • 14.2 典型相关分析实践
    • 14.3 定性数据典型相关分析
    • 习题14
  • 第15章 多维标度分析
    • 15.1 背景介绍
    • 15.2 度量型多维标度分析
    • 15.3 非度量型多维标度分析
    • 习题15
  • 第16章 联合分析
    • 16.1 背景介绍
    • 16.2 实验设计
    • 16.3 偏好排序的估计
    • 习题16
  • 第17章 高维数据分类
    • 17.1 背景介绍
    • 17.2 最大边际分类器
    • 17.3 半监督平滑方法
    • 习题17
  • 参考文献

相关图书