第1章 數(shù)據(jù)描述性分析
§1.1 一維數(shù)據(jù)的數(shù)字特征
1.1.1 表示位置的數(shù)字特征
1.1.2 表示分散性的數(shù)字特征
1.1.3 表示分布形狀的數(shù)字特征
§1.2 數(shù)據(jù)的分布
1.2.1 直方圖、經(jīng)驗(yàn)分布函數(shù)與QQ圖
1.2.2 莖葉圖
1.2.3 數(shù)據(jù)的分布擬合檢驗(yàn)與正態(tài)性檢驗(yàn)
§1.3 多維數(shù)據(jù)的數(shù)字特征及相關(guān)分析
1.3.1 二維數(shù)據(jù)的數(shù)字特征及相關(guān)系數(shù)
1.3.2 多維數(shù)據(jù)的數(shù)字特征及相關(guān)矩陣
1.3.3 總體的數(shù)字特征、相關(guān)矩陣及多維正態(tài)分布
習(xí)題1
第2章 線(xiàn)性回歸分析

第1章  數(shù)據(jù)描述性分析
§1.1 一維數(shù)據(jù)的數(shù)字特征
1.1.1 表示位置的數(shù)字特征
1.1.2 表示分散性的數(shù)字特征
1.1.3 表示分布形狀的數(shù)字特征
§1.2 數(shù)據(jù)的分布
1.2.1 直方圖、經(jīng)驗(yàn)分布函數(shù)與QQ圖
1.2.2 莖葉圖
1.2.3 數(shù)據(jù)的分布擬合檢驗(yàn)與正態(tài)性檢驗(yàn)
§1.3 多維數(shù)據(jù)的數(shù)字特征及相關(guān)分析
1.3.1 二維數(shù)據(jù)的數(shù)字特征及相關(guān)系數(shù)
1.3.2 多維數(shù)據(jù)的數(shù)字特征及相關(guān)矩陣
1.3.3 總體的數(shù)字特征、相關(guān)矩陣及多維正態(tài)分布
習(xí)題1
第2章 線(xiàn)性回歸分析
§2.1 線(xiàn)性回歸模型及其參數(shù)估計(jì)
2.1.1 線(xiàn)性回歸模型及其矩陣表示
2.1.2 參數(shù)估計(jì)及其性質(zhì)
§2.2 統(tǒng)計(jì)推斷與預(yù)測(cè)
2.2.1 回歸方程的顯著性檢驗(yàn)
2.2.2 回歸系數(shù)的統(tǒng)計(jì)推斷
2.2.3 預(yù)測(cè)及其統(tǒng)計(jì)推斷
2.2.4 與回歸系數(shù)有關(guān)的假設(shè)檢驗(yàn)的一般方法
§2.3 殘差分析
2.3.1 誤差項(xiàng)的正態(tài)性檢驗(yàn)
2.3.2 殘差圖分析
2.3.3 Box-Cox變換
§2.4 回歸方程的選取
2.4.1 窮舉法
2.4.2 逐步回歸法
習(xí)題2
第3章 方差分析
§3.1 單因素方差分析
3.1.1 單因素方差分析模型
3.1.2 因素效應(yīng)的顯著性檢驗(yàn)
3.1.3 因素各水平均值的估計(jì)與比較
§3.2 兩因素等重復(fù)試驗(yàn)下的方差分析
3.2.1 統(tǒng)計(jì)模型
3.2.2 交互效應(yīng)及因素效應(yīng)的顯著性檢驗(yàn)
3.2.3 無(wú)交互效應(yīng)時(shí)各因素均值的估計(jì)與比較
3.2.4 有交互效應(yīng)時(shí)因素各水平組合(AiBj)上的均值估計(jì)與比較
§3.3 兩因素非重復(fù)試驗(yàn)下的方差分析
習(xí)題3
第4章 主成分分析與典型相關(guān)分析
§4.1 主成分分析
4.1.1 引言
4.1.2 總體主成分
4.1.3 樣本主成分
§4.2 典型相關(guān)分析
4.2.1 引言
4.2.2 總體的典型變量與典型相關(guān)
4.2.3 樣本的典型變量與典型相關(guān)
4.2.4 典型相關(guān)系數(shù)的顯著性檢驗(yàn)
習(xí)題4
第5章 判別分析
§5.1 距離判別
5.1.1 兩個(gè)總體的距離判別
5.1.2 判別準(zhǔn)則的評(píng)價(jià)
5.1.3 多個(gè)總體的距離判別
§5.2 Baves判別
5.2.1 Bayes判別的基本思想
5.2.2 兩個(gè)總體的Beyes判別
5.2.3 多個(gè)總體的.Beyes判別
習(xí)題5
第6章 聚類(lèi)分析
§6.1 樣品間相近性的度量
§6.2 快速聚類(lèi)法
6.2.1 快速聚類(lèi)法的步驟
6.2.2 用Lm距離進(jìn)行快速聚類(lèi)
§6.3 譜系聚類(lèi)法
6.3.1 類(lèi)間距離及其遞推公式
6.3.2 譜系聚類(lèi)法的步驟
6.3.3 變量聚類(lèi)
習(xí)題6
第7章 Bayes統(tǒng)計(jì)分析
§7.1 Baves統(tǒng)計(jì)模型
7.1.1 Bayes統(tǒng)計(jì)分析的基本思想
7.1.2 Bayes統(tǒng)計(jì)模型
7.1.3 Bayes統(tǒng)計(jì)推斷原則
7.1.4 先驗(yàn)分布的Bayes假設(shè)與不變先驗(yàn)分布
7.1.5 共軛先驗(yàn)分布
7.1.6 先驗(yàn)分布中超參數(shù)的確定
§7.2 Baves統(tǒng)計(jì)推斷
7.2.1 參數(shù)的Bayes點(diǎn)估計(jì)
7.2.2 Bayes區(qū)間估計(jì)
7.2.3 Bayes假設(shè)檢驗(yàn)
習(xí)題7
第8章  SAS軟件及有關(guān)數(shù)據(jù)分析過(guò)程簡(jiǎn)介
§8.1 SAS基本內(nèi)容簡(jiǎn)介
8.1.1 數(shù)據(jù)的輸入與輸出
8.1.2 利用已有的SAS數(shù)據(jù)集建立新的SAS數(shù)據(jù)集
8.1.3 SAS系統(tǒng)的數(shù)學(xué)運(yùn)算符號(hào)及常用的SAS函數(shù)
8.1.4 邏輯語(yǔ)句與循環(huán)語(yǔ)句
§8.2 與本書(shū)內(nèi)容有關(guān)的SAS過(guò)程簡(jiǎn)介
8.2.1 幾種描述性統(tǒng)計(jì)分析的SAS過(guò)程和作圖過(guò)程
8.2.2 回歸分析的SAS過(guò)程——PR0C REG過(guò)程
8.2.3 方差分析的SAS過(guò)程——PR0C ANOVA過(guò)程
8.2.4 主成分分析的SAS過(guò)程——PROC PRINc0MP過(guò)程
8.2.5 典型相關(guān)分析的SAS過(guò)程——PROC CANC0RR過(guò)程
8.2.6 判別分析的SAS過(guò)程——PR0C DISCRIM過(guò)程
8.2.7 聚類(lèi)分析的SAS過(guò)程
8.2.8 SAS系統(tǒng)的矩陣運(yùn)算編程語(yǔ)言——PROC IML過(guò)程簡(jiǎn)介
主要參考文獻(xiàn)