掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
研究生數學教學系列多元統計分析(第3版)/袁志發等 版權信息
- ISBN：9787030602565
- 條形碼：9787030602565 ; 978-7-03-060256-5
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
研究生數學教學系列多元統計分析(第3版)/袁志發等 內容簡介
多元統計分析能夠每對多個對象的具有相互關聯的多個指標中分析它們的統計規律。本書密切結合農林科學實際，講述了多元正態分析及其抽樣分布，多元正態總體的均值向量和協方差陣的假設檢驗、多元分差分析、直線回歸、多元線性回歸與相關、主成分分析與因子分析、判別分析與聚類分析、Shannon信息量及應用。在這一版中，增加了主成分和典范變量的通徑分析和決策分析，強化了多個性狀與多個性狀間相關的內容等。
研究生數學教學系列多元統計分析(第3版)/袁志發等 目錄
目錄
第三版前言
第二版前言
**版前言
第1章 多元正態分布及其抽樣分布 1
1.1 多元指標統計數據及其圖示 1
1.1.1 多元統計數據 1
1.1.2 多元數據的圖示 4
1.2 多元正態分布 6
1.2.1 多元正態分布的定義 7
1.2.2 多元正態分布的性質 8
1.2.3 多元正態分布的條件分布 10
1.3 多元正態分布參數的估計 12
1.3.1 樣本 12
1.3.2 樣本的數字特征 13
1.3.3 μ與∑的極大似然估計及其性質 15
1.4 多元統計中常用的分布及抽樣分布 17
1.4.1 X2分布與Wishart分布 18
1.4.2 t分布與T2分布 19
1.4.3 中心F分布與Wilks 分布 20
第2章 多元正態總體均值向量和協方差陣的假設檢驗 22
2.1 均值向量μ=μ0的假設檢驗與μ的置信域 22
2.1.1 ∑已知時μ=μ0的檢驗與μ的置信域 23
2.1.2 ∑未知時μ=μ0的檢驗與μ的置信域 25
2.2 均值向量μ1=μ2的假設檢驗與μ1-μ2的置信域 29
2.2.1 ∑已知，檢驗 H0：μ1=μ2與μ1-μ2的置信域 30
2.2.2 ∑未知，檢驗 H0：μ1=μ2與估計μ1-μ2的置信域 31
2.2.3 ∑1≠∑2，檢驗 H0：μ1=μ235
2.3 協方差陣與均值向量的檢驗 37
2.3.1 似然比準則的一般原理 37
2.3.2 協方陣 ∑=∑0的檢驗 38
2.3.3 檢驗假設 H0：μ=μ0，∑=∑0 41
2.3.4 多個協方差陣的相等性檢驗 41
2.3.5 多個協方差陣與均值向量的相等性檢驗 43
2.4 獨立性檢驗 46
第3章 多元方差分析 51
3.1 單因素多元方差分析(完全隨機試驗) 51
3.1.1 模型 51
3.1.2 檢驗H0：μ=α2 = =αα=0 53
3.1.3 多重比較 58
3.2 兩因素的多元方差分析(完全隨機試驗) 59
3.2.1 沒有重復的兩因素多元方差分析 59
3.2.2 等重復的兩因素多元方差分析(完全隨機試驗) 68
3.3 巢式設計試驗的多元方差分析 77
第4章 直線回歸與相關 81
4.1 回歸分析的基本概念與統計思想 81
4.1.1 回歸方程及其模型 81
4.1.2 回歸參數β的估計 83
4.1.3 回歸模型的有效性統計量 84
4.1.4 研究者在回歸分析中所關心的問題 85
4.2 直線回歸與相關分析 85
4.2.1 直線回歸方程及其模型 85
4.2.2 β0；β的LS估計及統計性質 87
4.2.3 回歸模型有效性的方差分析及σ2的無偏估計 88
4.2.4 b0和b的假設檢驗與區間估計 91
4.2.5 預測和控制 93
4.2.6 關于線性均方回歸 95
4.3 直線回歸與相關中的幾個問題 96
4.3.1 重復試驗與失擬性檢驗 96
4.3.2 通過原點的回歸直線 101
4.3.3 k條回歸直線的比較 103
4.3.4 相關系數的進一步分析 109
第5章 多元線性回歸與其通徑、決策分析 112
5.1 多元線性回歸與相關分析 112
5.1.1 多元線性均方回歸 112
5.1.2 一個因變量的多元線性回歸分析 114
5.1.3 過原點的多元線性回歸分析 123
5.2 通徑分析及其決策分析 125
5.2.1 標準化多元線性回歸分析 125
5.2.2 通徑分析 127
5.2.3 通徑分析的決策分析 131
5.2.4 綜合選擇指數的通徑分析和決策分析 142
5.2.5 偏相關分析 145
5.3 多項式回歸與趨勢面分析 147
5.3.1 多項式回歸 147
5.3.2 趨勢面分析 150
第6章 多對多的線性回歸與其通徑、決策分析 154
6.1 Yp×1關于Xm×1的線性回歸分析 154
6.1.1 多對多的線性均方回歸 154
6.1.2 β0；β的LS估計及其抽樣分布 155
6.1.3 Lyy的分解和∑e的無偏估計 158
6.1.4 多對多線性回歸方程的有關假設檢驗 159
6.1.5 多對多線性回歸的逐步回歸法 164
6.2 典范相關變量分析與廣義相關系數 166
6.2.1 典范相關變量分析 166
6.2.2 典范變量的性質 168
6.2.3 特征根λ2t的假設檢驗 169
6.2.4 廣義相關系數 xy 171
6.3 廣義復相關系數(x1x2 xm)(y1y2 yp)及其應用 172
6.3.1 X與Y間的相關信息分析 173
6.3.2 廣義決定系數2、廣義復相關系數(x1x2 xm)(y1y2 yp)=xy的定義和估計 175
6.3.3 廣義相關系數xy的性質 176
6.3.4 廣義復相關系數rxy的假設檢驗 177
6.4 多對多的通徑分析及其決策分析(Ⅰ) 179
6.4.1 標準化多對多線性回歸分析 179
6.4.2 yα=β*Tαx+εα( = 1；2； ；p)的通徑分析及其決策分析 185
6.4.3 多對多通徑分析的通徑圖及中心定理 186
6.5 多對多的通徑分析及其決策分析(Ⅱ) 198
6.5.1 基于R2≈tr(B)的剖分及相應路徑 199
6.5.2 基于R2≈tr(B)剖分的廣義決策系數Ry(j)的定義和特性 206
6.5.3 Ry(j)的假設檢驗 210
第7章 主成分分析與因子分析 221
7.1 主成分分析及其通徑分析與決策分析 221
7.1.1 主成分分析及其性質 221
7.1.2 主成分對X的作用 224
7.1.3 單個主成分的通徑分析與決策分析 237
7.1.4 多對多的主成分通徑分析及其決策分析 241
7.2 因子分析及其通徑、決策分析 243
7.2.1 因子分析模型 243
7.2.2 因子分析模型的傳統分析 245
7.2.3 因子分析的通徑及其決策分析 245
7.2.4 因子分析模型建立的方法 258
7.2.5 因子旋轉 259
7.3 對應分析 261
第8章 判別分析與聚類分析 268
8.1 距離判別分析 268
8.1.1 兩總體距離判別及其判別函數Y(X) 268
8.1.2 多總體距離判別 271
8.2 Fisher線性判別分析及其距離綜合決定率 273
8.2.1 Fisher判別準則下的線性判別函數 273
8.2.2 判別規則 275
8.2.3 統計檢驗 276
8.2.4 X中分量xt對判別作用大小的指標——距離綜合決定率wt 277
8.2.5 Fisher線性判別函數與典范相關、線性回歸的關系 288
8.3 Bayes判別分析 289
8.4 逐步判別分析 295
8.4.1 緊湊變換與逐步線性回歸 296
8.4.2 逐步判別分析簡介 298
8.4.3 逐步判別舉例 302
8.5 聚類分析 305
8.5.1 分類統計量 305
8.5.2 系統聚類法 308
第9章 非線性回歸與Logistic回歸分析 321
9.1 非線性回歸分析 321
9.1.1 可以化為線性模型的情況 321
9.1.2 不可以化為線性模型的情況 321
9.2 Logistic加權回歸(因變量為0-1分布) 332
9.2.1 線性概率模型yi=β0+βxi+εi 332
9.2.2 Logistic分布及轉化為線性回歸的討論 334
9.2.3 Logistic加權回歸模型及分析 335
9.2.4 以x為因變量z為自變量的加權Logistic回歸估計分析 339
參考文獻 342
附表 345
第三版前言
第二版前言
**版前言
第1章 多元正態分布及其抽樣分布 1
1.1 多元指標統計數據及其圖示 1
1.1.1 多元統計數據 1
1.1.2 多元數據的圖示 4
1.2 多元正態分布 6
1.2.1 多元正態分布的定義 7
1.2.2 多元正態分布的性質 8
1.2.3 多元正態分布的條件分布 10
1.3 多元正態分布參數的估計 12
1.3.1 樣本 12
1.3.2 樣本的數字特征 13
1.3.3 μ與∑的極大似然估計及其性質 15
1.4 多元統計中常用的分布及抽樣分布 17
1.4.1 X2分布與Wishart分布 18
1.4.2 t分布與T2分布 19
1.4.3 中心F分布與Wilks 分布 20
第2章 多元正態總體均值向量和協方差陣的假設檢驗 22
2.1 均值向量μ=μ0的假設檢驗與μ的置信域 22
2.1.1 ∑已知時μ=μ0的檢驗與μ的置信域 23
2.1.2 ∑未知時μ=μ0的檢驗與μ的置信域 25
2.2 均值向量μ1=μ2的假設檢驗與μ1-μ2的置信域 29
2.2.1 ∑已知，檢驗 H0：μ1=μ2與μ1-μ2的置信域 30
2.2.2 ∑未知，檢驗 H0：μ1=μ2與估計μ1-μ2的置信域 31
2.2.3 ∑1≠∑2，檢驗 H0：μ1=μ235
2.3 協方差陣與均值向量的檢驗 37
2.3.1 似然比準則的一般原理 37
2.3.2 協方陣 ∑=∑0的檢驗 38
2.3.3 檢驗假設 H0：μ=μ0，∑=∑0 41
2.3.4 多個協方差陣的相等性檢驗 41
2.3.5 多個協方差陣與均值向量的相等性檢驗 43
2.4 獨立性檢驗 46
第3章 多元方差分析 51
3.1 單因素多元方差分析(完全隨機試驗) 51
3.1.1 模型 51
3.1.2 檢驗H0：μ=α2 = =αα=0 53
3.1.3 多重比較 58
3.2 兩因素的多元方差分析(完全隨機試驗) 59
3.2.1 沒有重復的兩因素多元方差分析 59
3.2.2 等重復的兩因素多元方差分析(完全隨機試驗) 68
3.3 巢式設計試驗的多元方差分析 77
第4章 直線回歸與相關 81
4.1 回歸分析的基本概念與統計思想 81
4.1.1 回歸方程及其模型 81
4.1.2 回歸參數β的估計 83
4.1.3 回歸模型的有效性統計量 84
4.1.4 研究者在回歸分析中所關心的問題 85
4.2 直線回歸與相關分析 85
4.2.1 直線回歸方程及其模型 85
4.2.2 β0；β的LS估計及統計性質 87
4.2.3 回歸模型有效性的方差分析及σ2的無偏估計 88
4.2.4 b0和b的假設檢驗與區間估計 91
4.2.5 預測和控制 93
4.2.6 關于線性均方回歸 95
4.3 直線回歸與相關中的幾個問題 96
4.3.1 重復試驗與失擬性檢驗 96
4.3.2 通過原點的回歸直線 101
4.3.3 k條回歸直線的比較 103
4.3.4 相關系數的進一步分析 109
第5章 多元線性回歸與其通徑、決策分析 112
5.1 多元線性回歸與相關分析 112
5.1.1 多元線性均方回歸 112
5.1.2 一個因變量的多元線性回歸分析 114
5.1.3 過原點的多元線性回歸分析 123
5.2 通徑分析及其決策分析 125
5.2.1 標準化多元線性回歸分析 125
5.2.2 通徑分析 127
5.2.3 通徑分析的決策分析 131
5.2.4 綜合選擇指數的通徑分析和決策分析 142
5.2.5 偏相關分析 145
5.3 多項式回歸與趨勢面分析 147
5.3.1 多項式回歸 147
5.3.2 趨勢面分析 150
第6章 多對多的線性回歸與其通徑、決策分析 154
6.1 Yp×1關于Xm×1的線性回歸分析 154
6.1.1 多對多的線性均方回歸 154
6.1.2 β0；β的LS估計及其抽樣分布 155
6.1.3 Lyy的分解和∑e的無偏估計 158
6.1.4 多對多線性回歸方程的有關假設檢驗 159
6.1.5 多對多線性回歸的逐步回歸法 164
6.2 典范相關變量分析與廣義相關系數 166
6.2.1 典范相關變量分析 166
6.2.2 典范變量的性質 168
6.2.3 特征根λ2t的假設檢驗 169
6.2.4 廣義相關系數 xy 171
6.3 廣義復相關系數(x1x2 xm)(y1y2 yp)及其應用 172
6.3.1 X與Y間的相關信息分析 173
6.3.2 廣義決定系數2、廣義復相關系數(x1x2 xm)(y1y2 yp)=xy的定義和估計 175
6.3.3 廣義相關系數xy的性質 176
6.3.4 廣義復相關系數rxy的假設檢驗 177
6.4 多對多的通徑分析及其決策分析(Ⅰ) 179
6.4.1 標準化多對多線性回歸分析 179
6.4.2 yα=β*Tαx+εα( = 1；2； ；p)的通徑分析及其決策分析 185
6.4.3 多對多通徑分析的通徑圖及中心定理 186
6.5 多對多的通徑分析及其決策分析(Ⅱ) 198
6.5.1 基于R2≈tr(B)的剖分及相應路徑 199
6.5.2 基于R2≈tr(B)剖分的廣義決策系數Ry(j)的定義和特性 206
6.5.3 Ry(j)的假設檢驗 210
第7章 主成分分析與因子分析 221
7.1 主成分分析及其通徑分析與決策分析 221
7.1.1 主成分分析及其性質 221
7.1.2 主成分對X的作用 224
7.1.3 單個主成分的通徑分析與決策分析 237
7.1.4 多對多的主成分通徑分析及其決策分析 241
7.2 因子分析及其通徑、決策分析 243
7.2.1 因子分析模型 243
7.2.2 因子分析模型的傳統分析 245
7.2.3 因子分析的通徑及其決策分析 245
7.2.4 因子分析模型建立的方法 258
7.2.5 因子旋轉 259
7.3 對應分析 261
第8章 判別分析與聚類分析 268
8.1 距離判別分析 268
8.1.1 兩總體距離判別及其判別函數Y(X) 268
8.1.2 多總體距離判別 271
8.2 Fisher線性判別分析及其距離綜合決定率 273
8.2.1 Fisher判別準則下的線性判別函數 273
8.2.2 判別規則 275
8.2.3 統計檢驗 276
8.2.4 X中分量xt對判別作用大小的指標——距離綜合決定率wt 277
8.2.5 Fisher線性判別函數與典范相關、線性回歸的關系 288
8.3 Bayes判別分析 289
8.4 逐步判別分析 295
8.4.1 緊湊變換與逐步線性回歸 296
8.4.2 逐步判別分析簡介 298
8.4.3 逐步判別舉例 302
8.5 聚類分析 305
8.5.1 分類統計量 305
8.5.2 系統聚類法 308
第9章 非線性回歸與Logistic回歸分析 321
9.1 非線性回歸分析 321
9.1.1 可以化為線性模型的情況 321
9.1.2 不可以化為線性模型的情況 321
9.2 Logistic加權回歸(因變量為0-1分布) 332
9.2.1 線性概率模型yi=β0+βxi+εi 332
9.2.2 Logistic分布及轉化為線性回歸的討論 334
9.2.3 Logistic加權回歸模型及分析 335
9.2.4 以x為因變量z為自變量的加權Logistic回歸估計分析 339
參考文獻 342
附表 345
展開全部
書友推薦
- >
詩經-先民的歌唱
- >
我從未如此眷戀人間
- >
【精裝繪本】畫給孩子的中國神話
- >
龍榆生：詞曲概論/大家小書
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
有舍有得是人生
- >
經典常談
- >
月亮與六便士
本類暢銷
