第一章 方差分析及其程序实现 1
1.1 单因素试验数据的方差分析 2
1.2 双因素试验数据的方差分析 8
第二章 多元回归分析方法及其程序实现 18
2.1 多元线性回归数学模型建立 19
2.2 回归模型中参数β的确定 20
2.3 回归方程的显著性检验及精度估计 26
2.4 多元回归分析程序说明及其算例 31
2.5 多元逐步回归算法原理 34
2.6 逐步回归的计算步骤 38
2.7 多元逐步回归算法计算程序 42
2.8 应用示例 43
2.9 非线性回归模型简介 51
第三章 趋势面分析及其程序实现 60
3.1 趋势面分析问题简述 60
3.2 趋势面分析的数学模型建立 61
3.3 趋势面数学模型中β的确定 63
3.4 趋势面方程的显著性检验 68
3.5 剩余分析 70
3.6 应用示例 71
3.7 趋势模型建立的过程中可能出现的问题 82
第四章 判别分析及其程序设计实现 85
4.1 判别分析问题简述 85
4.2 两总体判别函数模型建立 86
4.3 多总体判别的数学模型 94
4.4 逐步判别计算方法 103
第五章 聚类分析方法及其程序实现 184
5.1 聚类分析方法形成思路 185
5.2 关于变量的数据预处理 186
5.3 分类统计量的确定及其聚类方法的选择 187
5.4 系统聚类法 191
5.5 系统聚类法程序实现 200
5.6 动态聚类法简介 208
5.7 应用示例 212
第六章 降维技术方法 222
6.1 主成分分析方法 222
6.2 因子分析 247
6.3 典型相关分析 293
第七章 马尔可夫过程简介 304
7.1 马尔可夫过程定义 304
7.2 马尔可夫链及其转移概率 305
7.3 多步（高阶）转移概率 311
7.4 遍历性 313
附录一 概率论基础 318
1.1 概率简述 318
1.2 随机变量与概率分布 325
1.3 随机变量的函数的分布 342
1.4 随机变量的数字特征 348
1.5 特征函数 357
附录二 MATLAB命令集 364
附录三 多元统计方法实习内容 376
一、回归分析实习内容 376
二、趋势分析实习内容 377
三、判别分析实习内容 378
四、聚类分析实习内容 380
五、主成分分析实习内容 381
六、因子分析实习内容 383
七、典型相关实习内容 384
附录四 多元统计方法FORTRAN程序 386
一、逐步回归分析 386
二、趋势分析 397
三、逐步判别分析 409
四、聚类分析 425
五、因子分析 434
参考文献 453