《多元统计分析及其应用》求取 ⇩

第一章　矩阵代数1

1.1　矩阵定义1

1.2　矩阵运算及其性质3

1.3　矩阵的行列式6

1.4 正交矩阵9

1.5　逆矩阵11

1.6　矩阵的秩13

1.7　分块矩阵及其运算14

1.8　矩阵的迹17

1.9　特征根与特征向量18

1.10　非负定矩阵与正定矩阵20

1.11　矩阵函数及其导数26

第二章　多元正态分布29

2.1　多元分布概念29

2.2　随机向量的数字特征与特征函数34

2.3　多元正态分布及其主要性质43

2.4　条件分布52

2.5　偏相关系数57

2.6　多元正态分布的参数估计62

第三章　聚类分析及其应用89

3.1 引言89

3.2　关于变量的数据处理91

3.3　距离概念94

3.4　相似系数98

3.5　系统聚类法100

3.6　系统聚类法递推公式的统一形式131

3.7　关于类的概念和分类的确定问题135

3.8　聚类分析应用举例137

3.9　系统聚类法的计算程序150

3.10　逐步聚类法161

3.11　聚类的图论法172

3.12　聚类的图论法的计算程序188

第四章　主成分分析及其应用196

4.1　总体主成分197

4.2　样本主成分201

4.3　主成分分析应用举例203

4.4　主成分分析计算程序248

第五章　因子分析257

5.1 因子模型258

5.2 因子载荷矩阵的统计意义260

5.3　因子载荷矩阵的求法262

5.4　样本因子载荷矩阵269

5.5　方差最大正交旋转271

5.6 因子得分276

第六章　典型相关分析287

6.1　总体典型相关288

6.2　典型变量的性质292

6.3　样本典型相关294

6.4　典型相关系数的显著性检验297

6.5　典型相关分析实际应用举例299

第七章　均值与协方差矩阵的检验310

7.1　非中心x2分布与F分布310

7.2　维希特分布313

7.3　T2统计量316

7.4　均值的检验318

7.5　Λ统计量331

7.6　协方差矩阵的检验333

7.7　独立性检验及R2检验341

第八章　判别分析及其应用347

8.1　距离判别347

8.2　贝叶斯判别364

8.3　费歇判别383

8.4　逐步判别395

8.5　距离判别计算程序418

8.6　逐步判别分析计算程序427

第九章　回归分析455

9.1 多元线性回归的数学模型455

9.2 回归系数的最小二乘估计457

9.3 回归方程及回归系数的显著性检验465

9.4　逐步回归分析473

9.5　多对多线性回归数学模型485

9.6　多对多回归模型系数的最小二乘估计488

9.7　多对多逐步回归495

9.8　双重筛选逐步回归505

9.9　非线性回归模型511

9.10　多元线性回归分析计算程序524

9.11　逐步回归分析计算程序535

第十章　对应分析550

10.1　对应分析的原理与方法550

10.2　计算举例557