第一章 概率的概念及基本的概率运算 1
随机事件及概率 1
概率的加法定理 2
条件概率和乘法定理 3
贝叶斯公式（Bayess Formu1a） 5
连续型随机变量的概率 7
第二章 多变量正态分布 9
多变量统计分析中的数据表示方法 9
多变量正态分布 10
双变量正态分布 12
正态双变量资料分布范围的估计 14
第三章 多变量正态总体的差异显著性检验（T2检验） 19
样本平均值向量与总体平均值向量的比较 19
两个样本平均值向量之间的比较 22
多个样本平均值向量之间的比较 25
多个样本之间的两两比较 29
第四章 简单线性回归分析 32
回归分析的任务 32
回归模型中参数的估计 33
回归方程式的精度 35
简单线性回归模型中的方差分析 36
回归方程中参数估计值的标准误及假设检验 39
简单线性回归的预报区间估计 40
两变量之间线性关系的检验 43
第五章 多元线性回归分析 49
多元线性回归模型 49
多元线性回归模型中参数的估计 49
多元线性回归方程的配合适度 54
各偏回归系数的相对贡献 58
预报区间的估计 59
用相关系数解多元线性回归方程中的偏回归系数 60
偏相关系数 62
〔附录〕矩阵求逆 64
第六章 逐步回归分析 67
逐步回归分析的基本思想 67
逐步回归分析的步骤 67
计算例子 70
第七章 曲线回归分析 79
曲线回归分析的意义和步骤 79
指数函数曲线 80
幂函数曲线 85
多项式曲线 89
第八章 二类判别分析 98
判别分析的概念 98
费歇准则下的判别 98
建立判别标准 101
判别效果的显著性检验 101
各指标的贡献率 102
例子 102
二值回归判别 106
第九章 多类判别分析 108
贝叶斯准则下的判别原理 108
判别函数式 110
计算方法 111
实例说明 113
多类判别的显著性检验 119
第十章 逐步判别分析 124
逐步判别的基本原理 124
逐步判别的计算步骤 129
实例 131
第十一章 聚类分析 137
聚类分析常用的统计量 137
系统聚类法 142
逐步聚类法 145
有序样品的聚类 149
第十二章 队列研究资料的分析方法 155
发病水平 155
发病危险度 161
发病危险度的比较 162
混杂因素与分层分析法 170
交互影响 180
队列研究中配对资料的分析方法 182
第十三章 病例一对照研究资料的分析方法 184
病例一对照研究 184
非配对的病例一对照研究资料的分析方法 185
配对的病例一对照研究 192
第十四章 Logistic回归模型的基本原理及计算方法 200
Logit变换 200
队列研究与病例一对照研究的随机抽样模型 201
简单四格表资料的参数估计法 203
Logit变换的方差 205
用加权法配合Logistic回归模型 207
最大似然估计法 211
第十五章 非条件Logistic回归模型的配合方法 216
队列研究资料的分析 216
病例一对照研究资料的分析 223
第十六章 条件Logistic回归模型的配合方法 229
条件Logistic回归模型的基本原理 229
模型中的参数估计 231
例题说明 231
附录：统计用表 236
表1 标准正态累积概率表 236
表2 t分布的双尾概率表 239
表3 x2分布的累积概率表 240
表4 F分布的百分位点表 242
表5 R值表 247
主要参考资料 248