编译者的话 1
第一章 绪论 1
1.1 引言 1
1.2 多元分析的应用 3
1.3 描述统计量 6
1.4 统计距离 9
习题一 14
参考文献 16
第二章 随机矩阵与随机样本 18
2.1 引言 18
2.2 随机矩阵 18
2.3 样本几何 33
2.4 随机样本 41
2.5 广义方差 46
2.6 样本均值，协方差阵，相关阵的矩阵算子表示 57
2.7 随机变量的线性组合 63
2.8 将样本视为总体的处理方法 65
习题二 66
参考文献 68
第三章 多元正态分布 69
3.1 引言 69
3.2 多元正态密度函数 69
3.3 极大似然估计 87
3.4 ？和S的分布 93
3.5 ？和S的大样本性质 95
3.6 正态假设的验证 97
3.7 近似正态化变换 107
习题三 115
参考文献 118
第四章 均值向量的推断 119
4.1 引言 119
4.2 μ0作为正态总体均值的似真性 119
4.3 Hotelling T2与似然比检验 124
4.4 置信区域与同时比较 129
4.5 同时置信随圆 136
4.6 总体均值的大样本推断 137
4.7 有关比例的大样本推断 138
4.8 观测值缺落时均值的推断 142
附录4A 关于椭球的两个事实 146
习题四 147
参考文献 148
第五章 多个均值向量的比较 150
5.1 引言 150
5.2 成对比较与重量测量设计 150
5.3 两个总体均值向量的比较 157
5.4 多个总体均值向量的比较(单向分类MANOVA) 164
5.5 处理效应的同时置信区间 173
5.6 形象分析 177
5.7 两向分类的多元方差分析 182
习题五 190
参考文献 193
6.2 经典线性回归模型 195
第六章 多元线性回归模型 195
6.1 引言 195
6.3 最小二乘估计 199
6.4 正态线性回归模型 207
6.5 回归函数的估计与预测 216
6.6 回归诊断及其它 219
6.7 多元多重回归 225
6.8 线性回归的概念 242
6.9 回归模型两种形式的比较 253
6.10 路径分析 257
习题六 264
参考文献 267
7.2 总体主成份 270
第七章 主成份分析 270
7.1 引言 270
7.3 样本主成份 280
7.4 主成份的图示 287
7.5 大样本推断 289
习题七 292
参考文献 295
第八章 因子分析 297
8.1 引言 297
8.2 正交因子模型 298
8.3 估计方法 303
8.4 因子旋转 318
8.5 因子得分 326
8.6 因子分析的策略 330
附录8A 极大似然估计的计算问题 337
习题八 342
参考文献 344
第九章 判别分析 346
9.1 引言 346
9.2 两个总体的Fisher判别法 346
9.3 一般判别问题 352
9.4 两个总体的最优判别法则 357
9.5 两个多元正态总体的判别 360
9.6 判别法则的评价 365
9.7 多个总体的判别 370
9.8 多个总体的Fisher判别法 379
9.9 几点评注 388
习题九 390
参考文献 395
第十章 聚类分析 397
10.1 引言 397
10.2 相似性度量 399
10.3 谱系聚类法 408
10.4 非谱系聚类法 416
10.5 多维换算 419
10.6 图示法 427
习题十 432
参考文献 432