目录
第一章 多元统计分析概述 1
第一节 引言 1
第二节 大数据时代的多元统计分析 2
第三节 应用背景 3
第四节 计算机在统计分析中的应用 7
思考与练习 8
第二章 多元正态分布的参数估计 9
第一节 引言 9
第二节 基本概念 9
第三节 多元正态分布 14
第四节 参数估计的一般理论 17
第五节 实例分析与计算机实现 23
思考与练习 26
第三章 多元正态分布均值向量和协差阵的检验 28
第一节 引言 28
第二节 均值向量的检验 28
第三节 协差阵的检验 36
第四节 实例分析与计算机实现 38
思考与练习 45
第四章 判别分析 49
第一节 引言 49
第二节 距离判别法 49
第三节 贝叶斯判别法 54
第四节 费希尔判别法 56
第五节 实例分析与计算机实现 60
思考与练习 66
第五章 聚类分析 69
第一节 引言 69
第二节 相似性的量度 69
第三节 系统聚类分析法 72
第四节 K均值聚类分析 81
第五节 有序样品的聚类分析法 83
第六节 实例分析与计算机实现 87
思考与练习 103
第六章 主成分分析 107
第一节 引言 107
第二节 主成分的几何意义及数学推导 107
第三节 主成分的性质 111
第四节 主成分分析应用中应注意的问题 112
第五节 实例分析与计算机实现 114
思考与练习 122
第七章 因子分析 125
第一节 引言 125
第二节 因子分析模型 125
第三节 因子载荷矩阵求解 129
第四节 公共因子重要性的分析 132
第五节 实例分析与计算机实现 136
思考与练习 144
第八章 相应分析 148
第一节 引言 148
第二节 列联表 148
第三节 相应分析的基本理论 151
第四节 相应分析中应注意的问题 153
第五节 实例分析与计算机实现 154
思考与练习 158
第九章 典型相关分析 161
第一节 引言 161
第二节 典型相关分析的基本理论 161
第三节 样本典型相关分析 166
第四节 典型相关分析应用中的几个问题 171
第五节 实例分析与计算机实现 175
思考与练习 179
第十章 多维标度法 182
第一节 引言 182
第二节 古典多维标度法 183
第三节 多维标度法中的几个问题 187
第四节 实例分析与计算机实现 187
思考与练习 191
第十一章 多变量的可视化分析 193
第一节 引言 193
第二节 多个分类变量的可视化 193
第三节 多个数值变量的可视化 197
第四节 多个分类变量与数值变量的可视化 204
思考与练习 205
参考文献 206
附录 207
常用统计表 207
R语言简介 215