第一部分 统计描述技术 3
第1章 批量数据比较 3
1.1箱形图 4
1.2直方图 10
1.3核密度 13
1.4散点图 17
1.5彻诺夫-夫洛瑞脸谱图 20
1.6安德鲁曲线 24
1.7平行坐标图 26
1.8波士顿住房 28
1.9练习 34
第二部分 多元随机变量 39
第2章 矩阵代数基本知识 39
2.1基础运算 39
2.2谱分解 44
2.3二次型 45
2.4导数 48
2.5分块矩阵 49
2.6几何观点 51
2.7练习 57
第3章 转向高维数据 58
3.1协方差 58
3.2相关系数 62
3.3概括统计量 67
3.4两变量线性模型 70
3.5简单方差分析 76
3.6多元线性模型 79
3.7波士顿住房 83
3.8练习 86
第4章 多元分布 88
4.1分布和密度函数 88
4.2矩与特征函数 93
4.3变换 101
4.4多元正态分布 103
4.5抽样分布和极限定理 107
4.6厚尾分布 113
4.7联结函数 126
4.8自举法 134
4.9练习 137
第5章 多元正态理论 140
5.1多元正态的基本性质 140
5.2威沙特分布 146
5.3霍特林T2分布 147
5.4球形分布和椭球形分布 149
5.5练习 150
第6章 估计理论 153
6.1似然函数 154
6.2克拉美-拉奥下界 157
6.3练习 160
第7章 假设检验 162
7.1似然比检验 162
7.2线性假设 170
7.3波士顿住房 184
7.4练习 187
第三部分 多元技术 193
第8章 根据因子分解数据矩阵 193
8.1几何观点 193
8.2拟合P维点云 195
8.3拟合n维点云 198
8.4子空间之间的关系 199
8.5实用计算 201
8.6练习 203
第9章 主成分分析 204
9.1标准化的线性组合 204
9.2主成分的应用 208
9.3主成分的解释 211
9.4主成分的渐近性质 214
9.5标准化主成分分析 217
9.6作为因子分析的主成分 218
9.7共同主成分 223
9.8波士顿住房 225
9.9更多的例子 229
9.10练习 237
第10章 因子分析 238
10.1正交因子模型 238
10.2估计因子模型 244
10.3因子得分和策略 251
10.4波士顿住房 252
10.5练习 256
第11章 聚类分析 258
11.1问题的提出 258
11.2对象间的邻近度 259
11.3聚类算法 264
11.4波士顿住房 271
11.5练习 274
第12章 判别分析 275
12.1已知分布的分配法则 275
12.2实际应用中的判别法则 281
12.3波士顿住房 286
12.4练习 287
第13章 对应分析 289
13.1动因 289
13.2卡方分解 291
13.3对应分析的应用 294
13.4练习 302
第14章 典型相关分析 304
14.1最有趣的线性组合 304
14.2典型相关分析的应用 308
14.3练习 313
第15章 多维标度分析 314
15.1问题的提出 314
15.2度量型多维标度分析 318
15.3非度量型多维标度分析 322
15.4练习 328
第16章 联合分析 330
16.1介绍 330
16.2数据生成的设计 332
16.3偏好排序的估计 334
16.4练习 340
第17章 金融市场应用 342
17.1资产组合选择 342
17.2有效资产组合 343
17.3有效投资组合的应用 349
17.4资本资产定价模型（CAPM） 350
17.5练习 351
第18章 计算密集型技术 353
18.1单纯形深度 353
18.2投影寻踪 357
18.3分片逆回归 360
18.4支持向量机 367
18.5分类和回归树 382
18.6波士顿住房 397
18.7练习 399
第四部分 附录 403
A符号和标记 403
B数据 406
B.1波士顿住房 406
B.2瑞士银行钞票 407
B.3汽车数据 412
B.4经典蓝套衫 415
B.5美国公司数据 416
B.6法国食品数据 418
B.7汽车指标数据 419
B.8法国学士学位频数 420
B.9报刊数据 421
B.10美国犯罪数据 422
B.11血浆数据 424
B.12 WAIS数据 424
B.13 ANOVA数据 426
B.14时间预算数据 427
B.15 GEOPOL数据 429
B.16美国健康数据 431
B.17词汇数据 433
B.18运动记录数据 434
B.19失业数据 436
B.20年度人口数据 437
B.21公司破产数据 438
C参考文献 441