第1章 多元分布 1
1.1 分布和密度函数 1
1.2 矩和特征函数 2
1.3 多元随机向量变换 6
1.4 多元正态分布 7
1.5 样本分布和极限定理 9
1.6 厚尾分布 13
1.7 连接函数 33
1.8 自助法 39
习题 42
第2章 多元正态分布理论 45
2.1 多元正态分布的基本性质 45
2.2 威沙特分布 47
2.3 霍特林T2分布 49
2.4 球形分布和椭球形分布 50
习题 52
第3章 基于因子的数据矩阵降维技术 55
3.1 几何视角 55
3.2 拟合p维点云数据 56
3.3 拟合n维的数据云 58
3.4 子空间之间的联系 59
3.5 实际应用 60
习题 64
第4章 主成分分析 65
4.1 标准化的线性组合 65
4.2 主成分的应用 68
4.3 对主成分的解释 70
4.4 主成分的渐近性质 73
4.5 标准化的主成分分析 75
4.6 主成分与因子分析 75
4.7 共同主成分 80
习题 81
第5章 因子分析 83
5.1 正交因子模型 83
5.2 因子模型的估计问题 87
5.3 因子得分及策略 91
5.4 波士顿房价 92
习题 97
第6章 聚类分析 99
6.1 聚类分析简介 99
6.2 个体间的邻近度 99
6.3 聚类算法 103
6.4 鸢尾花数据分析 107
习题 110
第7章 判别分析 112
7.1 已知分布的分配原则 112
7.2 实际中的判别准则 116
习题 121
第8章 对应分析 122
8.1 背景 122
8.2 卡方分解 123
8.3 实际中的对应分析 125
8.4 双标图 132
习题 133
第9章 典型相关分析 135
9.1 线性组合 135
9.2 典型相关分析实践 138
9.3 定性数据典型相关分析 140
习题 142
第10章 多维标度分析 143
10.1 导言 143
10.2 关心的问题 143
10.3 度量型多维标度分析 144
10.4 非度量型多维标度分析 148
习题 152
第11章 联合分析 153
11.1 背景 153
11.2 实验设计 154
11.3 偏好排序的估计 155
习题 159
附录 160
参考文献 191