DPS数据处理系统 实验设计、统计分析及数据挖掘PDF电子书下载

第一篇 DPS数据处理系统 3

第1章 DPS系统简介 3

1.1 系统功能简介 3

1.2 DPS系统的不同版本 5

1.3 系统运行环境与安装、使用 5

1.4 DPS的基本操作 9

1.5 文本数值转换及字符串数值转换 11

1.6 数据行列转换及行列重排 12

1.7 分类变量的取值和编码 12

1.8 数据统计分析及其建模基本步骤 14

1.9 DPS系统函数应用 16

参考文献 18

第2章 DPS数据处理基础 19

2.1 数据基本参数计算 19

2.2 常用统计分布及DPS统计函数 23

2.3 正态性检验及参考值范围 28

2.4 Trimmed及Winsorized均值 30

2.5 二项分布和Poisson分布的置信区间 31

2.6 混合分布参数估计 34

2.7 Pearson-Ⅲ型分布 39

2.8 异常值检验 41

2.9 图表处理 44

参考文献 47

第二篇 试验统计分析 51

第3章 一组样本和两组样本统计检验 51

3.1 显著性检验基本原理 51

3.2 平均数和总体差异检验 53

3.3 总体均值样本量估计 54

3.4 样本率和总体率的比较 55

3.5 Poisson分布的均数和总体比较 57

3.6 两组样本均值差异t检验 59

3.7 小样本均值差异Fisher非参数检验 62

3.8 Bonferroni检验 63

3.9 两组样本率差别检验 65

3.10 两总体检验样本含量及功效估计 69

3.11 概率模型拟合优度检验 72

参考文献 74

第4章 方差分析 75

4.1 方差分析基本原理和步骤 75

4.2 单因素完全随机设计 82

4.3 单因素随机区组设计 87

4.4 系统分组（巢式）设计 89

4.5 二因素（组内无重复）完全随机设计 91

4.6 二因素完全随机设计 93

4.7 二因素随机区组设计 96

4.8 平衡不完全区组设计试验 99

4.9 多因素试验设计 102

4.10 裂区试验设计 105

4.11 重复测量资料方差分析 115

4.12 拉丁方设计 122

4.13 随机区组实验的协方差分析 123

参考文献 128

第5章 一般线性模型 130

5.1 线性模型基本原理 130

5.2 GLM模型用户操作界面 134

5.3 GLM模型输出结果分析 136

5.4 一般方差分析的GLM模型 138

5.5 混合效应模型方差分析 139

5.6 系统分组（或嵌套）设计 141

5.7 裂区试验统计分析 143

5.8 协方差分析 145

5.9 数量化方法I 147

参考文献 150

第6章 分类数据列联表分析 151

6.1 列联表分析及卡方检验概述 151

6.2 列联表的生成与分析 153

6.3 四格表分析 156

6.4 多层2×2表Mental-Haenszel检验 160

6.5 R×C列联表卡方检验 162

6.6 单向有序R×C表统计检验 164

6.7 双向有序且属性不同的R×C表统计检验 166

6.8 McNemar检验及Kappa检验 171

6.9 2×C表和多层2×C表 174

6.10 配对病例——对照列联表分析 177

6.11 重复测定资料似然比卡方检验 181

参考文献 183

第7章 分类数据模型分析 184

7.1 Logistic回归 184

7.2 条件Logistic回归 187

7.3 多分类无序反应变量Logistic回归 190

7.4 多分类有序反应变量Logistic回归 192

7.5 Poisson回归 194

7.6 对数线性模型 197

参考文献 209

第8章 非参数检验 210

8.1 两样本配对符号检验 211

8.2 两样本配对Wilcoxon符号-秩检验 211

8.3 两样本Wilcoxon检验 213

8.4 Kruskal Wallis检验 215

8.5 中位数检验 218

8.6 Jonckheere-Terpstra检验 218

8.7 Friedman检验 220

8.8 Kendall协同系数检验 223

8.9 Cochran检验 224

8.10 非参数回归分析 225

参考文献 226

第9章 圆形分布资料统计分析 227

9.1 平均角及其假设检验 227

9.2 两个或多个样本平均角的比较 230

9.3 多个样本平均角的比较 233

9.4 圆-圆相关 234

9.5 圆-线相关 236

参考文献 237

第10章 多因素优化设计与分析 238

10.1 正交试验统计分析 238

10.2 二次正交回归组合（中心复合）设计 246

10.3 Box-Behnken设计 249

10.4 均匀试验设计 250

10.5 二次饱和D-最优设计 257

10.6 二次正交旋转及二次通用组合实验统计分析 258

10.7 二次多项式回归模型 262

10.8 “3414”测土配方施肥实验统计分析 269

参考文献 272

第11章 混料试验设计与分析 273

11.1 单纯形格子设计 273

11.2 单纯形重心设计 274

11.3 有下界约束条件限制的混料试验设计 275

11.4 单纯形格子设计和单纯形重心设计操作示例 276

11.5 基于均匀设计表的混料试验设计 277

11.6 有上下限条件约束的混料试验设计 279

11.7 具附加线性约束的混料试验设计 283

11.8 混料试验分析的数学模型 284

11.9 混料试验数据的回归分析 294

11.10 偏最小二乘回归分析 297

参考文献 300

第三篇 专业试验统计 303

第12章 数据包络分析和随机前沿面分析 303

12.1 生产效率分析基本原理 304

12.2 数据包络分析CCR模型 307

12.3 数据包络分析扩展模型 314

12.4 考虑价格因素时的DEA模型 321

12.5 面板数据的Malmquist指数 323

12.6 随机前沿面模型 328

12.7 面板数据随机前沿面模型 335

参考文献 341

第13章 量表分析和顾客满意指数模型 342

13.1 项目分析 342

13.2 量表可信度分析 345

13.3 顾客满意指数模型 350

13.4 结合分析 358

参考文献 362

第14章 生物测定 364

14.1 定性数据概率分析 364

14.2 定量数据概率分析 369

14.3 时间-剂量-死亡率模型分析 371

参考文献 376

第15章 诊断试验评价 377

15.1 诊断试验常用指标 377

15.2 有序分类资料ROC曲线 381

15.3 定量数据ROC曲线分析 387

15.4 汇总多个样本的SROC曲线分析 389

参考文献 394

第16章 序贯试验分析 395

16.1 放型序贯试验 396

16.2 闭锁型序贯试验 402

16.3 成组序贯试验 405

参考文献 410

第17章 抽样技术 411

17.1 简单随机抽样 411

17.2 分层随机抽样 416

17.3 整群抽样 425

17.4 系统抽样 431

17.5 序贯抽样 436

17.6 标记-重捕获方法 440

17.7 敏感性问题抽样 449

参考文献 459

第18章 生存分析 461

18.1 生存率估计 462

18.2 两样本生存率Log-rank检验 465

18.3 寿命表的编制与分析 468

18.4 比例风险模型——COX回归 477

18.5 指数模型 481

18.6 Weibull模型 484

参考文献 486

第19章 数学生态学方法 487

19.1 种群空间分布型聚集度指标测定 487

19.2 种群空间分布型-频次分布检验 490

19.3 负二项分布公共k值估计 495

19.4 二元变量距离系数 497

19.5 距离系数计算 500

19.6 极点排序 503

19.7 物种丰富度估计 504

19.8 对数序列参数估计 506

19.9 对数正态分布模型参数估计 507

19.10 群落多样性指数 508

19.11 生态位宽度指数 511

19.12 生态位重叠指数 513

参考文献 515

第20章 地理统计 517

20.1 空间自相关分析 517

20.2 空间联系统计分析 521

20.3 局部空间相关分析 524

20.4 实验半变异函数 526

20.5 协方差函数及相关系数 529

20.6 变异函数理论模型的最优拟合 530

20.7 交叉验证 533

20.8 克立格插值 535

参考文献 537

第21章 品种比较试验 538

21.1 一年多点试验稳定性分析 538

21.2 一年多点区域试验的统计分析 547

21.3 多年多点品种区域试验的统计分析 549

21.4 品种区域试验AMMI模型分析 552

21.5 SHMM模型 560

21.6 增广随机区组设计试验 562

参考文献 567

第22章 遗传统计（参数估计） 568

22.1 世代平均数分析方法 568

22.2 遗传力 571

22.3 重复力（率） 581

22.4 遗传相关 586

22.5 选择指数 591

22.6 最佳线性无偏预测（BLUP） 595

参考文献 597

第23章 遗传统计（遗传交配设计） 598

23.1 NC Ⅰ设计（两因素巢式设计） 598

23.2 NC Ⅱ设计（不完全双列杂交设计） 600

23.3 NC Ⅲ（回交系统）设计 604

23.4 完全双列杂交Griffing配合力分析 605

23.5 Griffing分析：亲本＋正反交F1组合 609

23.6 Griffing分析：亲本＋正交F1组合 613

23.7 Griffing分析：无亲本，仅正反交F1组合 616

23.8 Griffing分析：无亲本，仅一组F1试验 620

23.9 双列杂交设计Hayman分析法 623

参考文献 629

第四篇 多元统计分析第24章 多变量统计检验 633

24.1 多元计量资料的常用统计量 633

24.2 多元均值检验 635

24.3 多元方差分析简介 638

24.4 单向完全随机设计 641

24.5 单因素随机区组设计 642

24.6 轮廓分析 644

24.7 多元方差分析的线性模型方法 648

参考文献 655

第25章 回归分析 656

25.1 线性回归 656

25.2 逐步回归分析 665

25.3 二次多项式回归分析 673

25.4 含定性变量的逐步回归分析 676

25.5 双重筛选逐步回归 680

25.6 积分（逐步）回归 685

25.7 趋势面分析 691

25.8 Tobit回归 695

25.9 主成分回归 700

25.10 偏最小二乘回归 704

25.11 岭回归 708

25.12 稳健回归（M估计） 711

25.13 优势（主导）分析 715

参考文献 717

第26章 聚类分析 719

26.1 系统聚类分析 719

26.2 0-1型变量聚类分析 726

26.3 动态聚类分析 729

26.4 有序样本的分类 734

26.5 非线性映射分析 738

26.6 两维图论聚类 741

参考文献 743

第27章 判别分析 744

27.1 两组判别 744

27.2 Fisher线性判别 747

27.3 逐步判别分析 752

参考文献 760

第28章 多因子分析 761

28.1 主成分分析 761

28.2 因子分析 771

28.3 对应分析 789

28.4 展开法 796

28.5 典型相关分析 799

参考文献 807

第29章 概率统计模型 809

29.1 连续数据序列分级 809

29.2 马尔可夫链 811

29.3 多元时空序列马尔可夫链分析 814

29.4 加权列联表分析 818

29.5 多因子综合相关分析 821

参考文献 825

第五篇 数学模型模拟分析 829

第30章 非线性回归模型 829

30.1 参数估计基本原理 829

30.2 非线性回归分析技术要点 835

30.3 一元非线性回归模型 837

30.4 非线性回归分析实例研究 840

30.5 二值反应变量模型参数估计 849

30.6 有约束条件模型参数估计 855

30.7 多因变量联立方程的参数估计 859

30.8 局部加权散点光滑（LOWESS）估计 862

参考文献 863

第31章 数学模型模拟与优化 864

31.1 模型模拟分析 864

31.2 模型参数灵敏度分析 868

31.3 模型优化 870

参考文献 873

第32章 数学规划 874

32.1 线性规划 874

32.2 多目标线性规划：评价函数法 879

32.3 多目标线性规划：逐步宽容约束法 883

32.4 多目标线性规划：分层评价法 885

32.5 整数规划及混合整数规划 890

32.6 指派问题匈牙利法 893

32.7 运输问题 896

32.8 非线性规划 899

32.9 投入产出分析 902

32.10 目标规划 905

参考文献 911

第33章 状态空间模型 913

33.1 线性控制系统能控性 914

33.2 线性控制系统能观性 915

33.3 连续线性状态方程离散化 917

33.4 离散状态方程求解 919

参考文献 922

第六篇 常用数值分析 925

第34章 矩阵计算 925

34.1 矩阵转置 925

34.2 矩阵基本运算 926

34.3 矩阵自乘 928

34.4 矩阵样本方差 929

34.5 矩阵总体方差 930

34.6 解正规方程组 930

34.7 矩阵求逆 931

34.8 奇异值分解 932

34.9 实对称矩阵特征值和特征向量 933

34.10 实矩阵特征值和特征向量 935

34.11 应用矩阵运算组建多元线性回归模型 939

参考文献 941

第35章 方程求解及多项式求根 942

35.1 求解线性方程组 942

35.2 非线性方程组求解 943

35.3 实系数多项式求根 945

参考文献 947

第36章 微积分数值计算 948

36.1 定积分 948

36.2 多重积分 949

36.3 数值微分 951

36.4 微分方程（组）初值求解 952

参考文献 955

第七篇 时间序列分析 959

第37章 时间序列趋势分析 959

37.1 常用时间序列趋势分析 959

37.2 最优气候均态模型 966

37.3 均值生成函数预测模型 968

参考文献 970

第38章 时间序列周期分析 971

38.1 小波分析 971

38.2 时间序列周期方差分析外推法 974

38.3 季节性水平模型 977

38.4 季节性交乘趋势模型 980

38.5 季节性叠加趋势模型 984

参考文献 988

第39章 平稳时间序列分析 989

39.1 取样间隔与插值处理 989

39.2 数据序列突变点的检测 990

39.3 数据序列统计特性估计 995

39.4 差分自回归移动平均（ARIMA）模型 1000

参考文献 1014

第40章 其他时间序列模型 1015

40.1 季节-周期组合模型 1015

40.2 多变量时间序列CAR模型 1020

40.3 门限自回归模型 1026

40.4 独立分量分析 1030

参考文献 1035

第八篇 其他数据分析方法 1039

第41章 模糊数学方法 1039

41.1 模糊聚类分析 1039

41.2 模糊模式识别 1046

41.3 模糊相似优先比方法 1049

41.4 模糊综合评判 1052

41.5 模糊关系方程求解 1055

41.6 综合评判逆问题 1057

参考文献 1059

第42章 灰色系统分析 1060

42.1 关联度分析 1060

42.2 灰色动态（GM）建模基本原理 1068

42.3 灰色数列GM（1,1）模型 1072

42.4 灰色数列GM（2,1）模型 1076

42.5 灰色数列GM（1,N）模型 1079

42.6 灾变预测 1082

参考文献 1084

第43章 神经网络和支持向量机 1085

43.1 BP神经网络 1085

43.2 径向基函数（RBF）网络模型 1089

43.3 投影寻踪回归 1092

43.4 支持向量机（SVM） 1096

参考文献 1108

第44章 多试验、多指标综合评价 1109

44.1 离散型变量Meta分析 1109

44.2 连续型变量资料分析 1112

44.3 含亚类资料Meta分析 1115

44.4 Topsis法 1120

44.5 综合指数法 1122

44.6 投影寻踪分类 1124

44.7 层次分析法 1127

参考文献 1138

配套光盘使用说明 1139