《数据分析方法 第2版》PDF下载

  • 购买积分:12 如何计算积分?
  • 作  者:梅长林,范金城编
  • 出 版 社:北京:高等教育出版社
  • 出版年份:2018
  • ISBN:9787040501247
  • 页数:312 页
图书介绍:本书内容包括常用统计数据分析的基本内容与方法,即:数据的描述性分析、线性回归分析、方差分析、主成分分析和典型相关分析、判别分析、聚类分析、Bayes统计分析等。另外,对SAS软件的基本内容以及和本书内容有关的SAS过程做了简介,为了便于各方法实际应用的需要,还特别增加了许多新方法和应用问题。最后,每章均配备丰富的、有实际应用背景的习题,供读者学习训练。本书可作为信息与计算科学专业数据分析课程教材,也可作为统计专业的本科生和非数学类硕士研究生教材,还可以供数据分析工作者参考。

第1章 数据描述性分析 1

1.1 一维数据的数字特征 1

1.1.1 表示位置的数字特征 1

1.1.2 表示分散性的数字特征 4

1.1.3 表示分布形状的数字特征 6

1.2 数据的分布 10

1.2.1 直方图、经验分布函数与QQ图 11

1.2.2 茎叶图 14

1.2.3 数据的分布拟合检验与正态性检验 16

1.3 多维数据的数字特征及相关分析 22

1.3.1 二维数据的数字特征及相关系数 22

1.3.2 多维数据的数字特征及相关矩阵 26

1.3.3 总体的数字特征、相关矩阵及多维正态分布 29

习题1 34

第2章 回归分析 38

2.1 线性回归模型及其参数估计 38

2.1.1 线性回归模型及其矩阵表示 38

2.1.2 参数估计及其性质 40

2.2 统计推断与预测 44

2.2.1 回归方程的显著性检验 44

2.2.2 回归系数的统计推断 47

2.2.3 预测及其统计推断 48

2.2.4 与回归系数有关的假设检验的一般方法 52

2.3 残差分析 56

2.3.1 误差项的正态性检验 57

2.3.2 残差图分析 60

2.3.3 Box-Cox变换 62

2.4 回归方程的选取 69

2.4.1 穷举法 70

2.4.2 逐步回归法 73

2.5 Logistic回归模型的估计与推断 80

2.5.1 Logistic回归模型 80

2.5.2 参数的最大似然估计与Newton-Raphson迭代解法 81

2.5.3 Logistic回归模型的统计推断 86

习题2 92

第3章 方差分析 98

3.1 单因素方差分析 98

3.1.1 单因素方差分析模型 99

3.1.2 因素效应的显著性检验 100

3.1.3 因素各水平均值的估计与比较 104

3.2 两因素等重复试验下的方差分析 109

3.2.1 统计模型 109

3.2.2 交互效应及因素效应的显著性检验 110

3.2.3 无交互效应时各因素均值的估计与比较 118

3.2.4 有交互效应时因素各水平组合(Ai,Bj)上的均值估计与比较 120

3.3 两因素非重复试验下的方差分析 123

习题3 125

第4章 主成分分析与典型相关分析 129

4.1 主成分分析 129

4.1.1 引言 129

4.1.2 总体主成分 130

4.1.3 样本主成分 136

4.2 典型相关分析 142

4.2.1 引言 142

4.2.2 总体的典型变量与典型相关 143

4.2.3 样本的典型变量与典型相关 147

4.2.4 典型相关系数的显著性检验 148

习题4 153

第5章 判别分析 159

5.1 距离判别 159

5.1.1 两个总体的距离判别 159

5.1.2 判别准则的评价 163

5.1.3 多个总体的距离判别 167

5.2 Bayes判别 171

5.2.1 Bayes判别的基本思想 171

5.2.2 两个总体的Bayes判别 171

5.2.3 多个总体的Bayes判别 182

习题5 189

第6章 聚类分析 194

6.1 样品间相近性的度量 194

6.2 快速聚类法 196

6.2.1 快速聚类法的步骤 196

6.2.2 用Lm距离进行快速聚类 203

6.3 谱系聚类法 207

6.3.1 类间距离及其递推公式 208

6.3.2 谱系聚类法的步骤 210

6.3.3 变量聚类 215

习题6 218

第7章 Bayes统计分析 223

7.1 Bayes统计模型 223

7.1.1 Bayes统计分析的基本思想 223

7.1.2 Bayes统计模型 224

7.1.3 Bayes统计推断原则 229

7.1.4 先验分布的Bayes假设与不变先验分布 231

7.1.5 共轭先验分布 235

7.1.6 先验分布中超参数的确定 241

7.2 Bayes统计推断 244

7.2.1 参数的Bayes点估计 244

7.2.2 Bayes区间估计 250

7.2.3 Bayes假设检验 256

习题7 262

第8章 SAS软件及有关数据分析过程简介 265

8.1 SAS基础知识简介 266

8.1.1 SAS界面及其功能 266

8.1.2 数据的输入与输出 267

8.1.3 利用已有的SAS数据集建立新的SAS数据集 271

8.1.4 SAS系统的数学运算符号及常用的SAS函数 274

8.1.5 逻辑语句与循环语句 277

8.2 与本书内容有关的SAS过程简介 280

8.2.1 几种描述性统计分析的SAS过程和绘图过程 281

8.2.2 线性回归分析的SAS过程——PROC REG过程 288

8.2.3 Logistic回归分析的SAS过程——PROC LOGISTIC过程 292

8.2.4 方差分析的SAS过程——PROC ANOVA过程 294

8.2.5 主成分分析的SAS过程——PROC PRINCOMP过程 296

8.2.6 典型相关分析的SAS过程——PROC CANCORR过程 297

8.2.7 判别分析的SAS过程——PROC DISCRIM过程 298

8.2.8 聚类分析的SAS过程 302

8.2.9 矩阵语言的程序设计过程——PROC IML过程简介 305

主要参考文献 310