《现代统计分析方法与应用》求取 ⇩

第一章 概论1

1.1 重新认识统计学1

1.2 市场呼唤统计学3

1.3 统计分析方法及其应用概述6

本章思考与练习16

第二章 统计学基础知识回顾17

2.1 统计数据的整理与描述17

2.2 随机向量的数字特征22

2.3 几种重要的概率分布25

2.4 参数估计31

2.5 假设检验33

本章思考与练习38

第三章 定性变量的统计分析40

3.1 多项分布与X2检验40

3.2 列联表分析45

3.3 一致性检验52

3.4 拟合优度检验55

本章思考与练习59

第四章 一元线性回归61

4.1 一元线性回归模型61

4.2 参数β0、β1的最小二乘估计70

4.3 回归方程的显著性检验77

4.4 可化为一元线性回归的曲线回归83

4.5 回归方程的应用--预测和控制90

本章思考与练习100

第五章 多元线性回归102

5.1 多元线性回归模型102

5.2 回归参数的最小二乘估计(OLSE)107

5.3 回归方程的显著性检验110

5.4 回归系数的显著性检验114

5.5 多元线性回归模型的应用123

本章思考与练习130

第六章 违背基本假设的回归分析132

6.1 异方差性的产生背景及其处理132

6.2 序列相关性的产生背景及其处理147

6.3 多重共线性的产生背景及其处理163

本章思考与练习175

第七章 自变量选择与逐步回归179

7.1 自变量选择对估计和预测的影响179

7.2 关于自变量选择的几个准则185

7.3 逐步回归及其应用193

7.4 自变量中含有定性变量的回归模型204

本章思考与练习212

第八章 聚类分析215

8.1 聚类分析的基本概念215

8.2 距离和相似系数218

8.3 系统聚类法223

8.4 模糊聚类分析241

本章思考与练习249

第九章 判别分析252

9.1 距离判别253

9.2 费歇尔判别264

9.3 贝叶斯判别268

本章思考与练习276

第十章 主成分分析281

10.1 主成分分析的基本思想281

10.2 主成分的几何意义与一般数学模型283

10.3 主成分的求法及性质286

10.4 主成分分析的计算步骤293

10.5 主成分分析的应用305

本章思考与练习315

第十一章 因子分析316

11.1 因子分析的基本思想316

11.2 因子分析的模型317

11.3 因子载荷的统计意义319

11.4 因子载荷矩阵的求解322

11.5 因子旋转328

11.6 因子得分332

本章思考与练习343

12.1 对应分析的基本思想345

第十二章 对应分析345

12.2 对应分析方法的原理347

12.3 对应分析的计算与应用353

本章思考与练习370

第十三章 典型相关分析373

13.1 典型相关分析的基本思想373

13.2 总体典型相关和典型变量375

13.3 样本典型相关和典型变量378

13.4 典型相关系数的显著性检验379

13.5 典型相关应用实例380

本章思考与练习395

A.1 向量与矩阵397

附录A 矩阵代数397

A.2 矩阵的分解和微商408

附录B 统计表411

表1 泊松分布表411

表2 标准正态分布表413

表3 正态分布分位数表416

表4 卡方(x2)分布表419

表5 相关系数检验表420

表6 t分布的临界点421

表7 F分布表422

表8 D.W 检验上下界表432

参考文献434