《现代地理统计分析》

目录1

第一章线性代数1

§1.1矩阵的代数运算1

§1.2矩阵的特征向量和特征根（值）13

§1.3矩阵分析22

§1.4线性代数的计算方法29

第二章随机向量简介52

§2.1随机向量的几个基本概念52

§2.2随机向量的数字特征的估计60

第三章回归分析67

§3.1概述67

§3.2多元线性回归69

§3.3 回归分析中自变量的选择103

§3.4多元非线性回归115

§3.5多维因变量的回归分析129

§3.6积分回归138

§3.7限定记忆回归148

§3.8岭回归分析153

第四章聚类分析167

§4.1基本思路167

§4.2系统聚类法174

§4.3动态聚类法183

§4.4有序样品的聚类法——最优分割法188

§4.5关联系数、信息系数和概率系数的分类法197

第五章判别分析222

§5.1 距离判别222

§5.2费歇（Fisher）判别224

§5.3贝叶斯（Bayes）判别232

§5.4判别分析中的假设检验240

§5.5逐步判别249

§5.6线性回归判别法253

第六章降维分析技术257

§6.1 主成分分析（PCA）257

§6.2因子分析（FA）266

§6.3对应分析300

§6.4正交函数排序法309

§ 6.5典型相关分析314

第七章趋势面分析325

§7.1趋势面分析的意义325

§7.2 多项式趋势面分析326

§7.3调和趋势面分析330

§7.4典型趋势面分析335

第八章时间序列分析的基本原理337

§8.1 数字时间序列的概念337

§8.2随机过程的基本概念338

§8.3平稳随机过程343

§8.4马尔科夫过程与马尔科夫链352

第九章长期变化趋势和主要周期振动的分析361

§9.1长期变化趋势的分析361

§9.2主要周期振动的分析368

第十章时间序列的数学模型398

§10.1微分方程模型398

§10.2平稳时间序列的自回归模型411

§10.3平稳时间序列的ARMA模型417

§10.4非平稳时间序列的数学模型455

§10.5时间序列的建模460

§10.6时间序列的预报473

第十一章场序列的经验正交函数分解487

§11.1 标量场的EOF分解487

§11.2 向量场的EOF分解496

§11.3场序列的复经验正交函数分解500