劉桂梅、林偉然編著的這本《多元統計概論與實驗》共分十章，主要介紹經典多元分析的基本理論，包括多元正態及其抽樣分布、假設檢驗；聚類分析、判別分析、主成分分析、因子分析、典型相關分析等主要的多元統計方法。本書語言簡潔流暢，層次清楚，理論與實踐操作並重，內容豐富，既便於學生循序漸進地系統學習多元統計的基本理論，又能使他們熟悉掌握這些理論的套用和實際數據的處理，解決實際問題。本書不僅可以作為套用型學院有關專業的教材，也可以供廣大實際工作者、科研人員閱讀和參考。
基本介紹
- 書名：多元統計概論與實驗
- 出版社：浙江大學出版社
- 頁數：183頁
- 開本：16
- 品牌：浙江大學出版社
- 作者：劉桂梅 林偉然
- 出版日期：2013年8月1日
- 語種：簡體中文
- ISBN：7308119912
內容簡介,圖書目錄,
內容簡介
本書詳細介紹了統計的基本思想、基本理論和基本方法，剖析了經典實例，著重講解了統計軟體程式的設計與使用，融實踐性與操作性於一體，旨在培養學生分析問題和解決問題的能力。
圖書目錄
第一篇多元統計分析原理與方法
第一章緒論
1.1 多元統計簡介
1.2 主要內容安排
第二章多元數據圖表示法
2.1 散點圖矩陣
22 雷達圖
2.3 調和曲線圖
2.4 臉譜圖
第三章均值向量和協方差陣的檢驗
3.1 隨機向量
3.2 多元常態分配
3.2.1 多元常態分配的定義及基本性質
3.2.2 多元常態分配的參數估計
3.3 均值向量的檢驗
3.3.1 單個正態總體Np（μ，∑）均值向量的檢驗
3.3.2 兩個正態總體Np（μ1，∑1）和N2（μ2，∑2）均值向量的檢驗
3.3.3 多個正態總體均值向量的檢驗（多元方差分析）
3.4 協差陣的檢驗
3.4.1 一個正態總體協方差陣的檢驗
3.4.2 多個正態總體協方差陣的檢驗
第四章聚類分析
4.1 距離
4.1.1 聚類數據的標準化處理
4.1.2 樣品距離的定義
4.2 系統聚類法
4.2.1 類間的距離
4.2.2 四種系統聚類法
4.3 K均值聚類法
第五章判別分析
5.1 判別分析簡介
5.2 距離判別法
5.2.1 兩組距離判別
5.2.2 多個總體的距離判別法
5.3 貝葉斯（Bayes）判別法
5.31 基本思想
5.3.2 多元正態總體的Bayes判別法
5.4 費舍（Fisher）判別法
5.4.1 兩組判別分析
5.4.2 多組別費舍判別法
5.5 逐步判別法
5.5.1 引入和剔除變數所用的檢驗統計量
5.5.2 逐步判別的原則
第六章主成分分析
6.1 主成分分析的基本原理
6.2 主成分分析的推導
6.2.1 從協方差出發求解總體主成分
6.2.2 從相關陣出發求解總體主成分
6.2.3 樣本的主成分
第七章因子分析
7.1 因子分析的基本理論
7.1.1 因子分析的數學模型
7.1.2 因子模型中的幾個統計特徵
7.2 因子載荷陣的估計方法
7.3 因子旋轉
7.4 因子得分
7.5 因子分析的步驟與邏輯框圖
7.5.1 因子分析的步驟
7.5.2 因子分析的邏輯框圖
第八章典型相關分析
8.1 典型相關分析的數學描述
8.2 總體典型相關
8.3 樣本典型相關
8.4 典型相關係數的顯著性檢驗
8.5 典型相關係數的步驟及實例
第九章對應分析
9.1 對應分析及基本思想
9.1.1 對應分析的數據類型
9.1.2 對應分析的基本思想
9.2 列聯表及列聯表分析簡介
9.3 對應分析的基本理論
9.3.1 距離與總慣量
9.3.2 R型與Q型因子分析的對等關係
9.4 對應分析的步驟
第十章多維標度分析
10.1 距離陣和經典解
10.1.1 歐式距離陣
10.1.2 歐式距離陣的判定定理
10.1.3 多維標度的經典解
10.2 實例
第二篇多元統計分析實驗
實驗一均值向量和協方差陣的檢驗
1.1 實驗背景
1.2 實驗步驟和結果分析
實驗二聚類分析
2.1 實驗背景
2.2 實驗步驟和結果分析
實驗三判別分析
3.1 實驗背景
3.2 實驗步驟和結果分析
實驗四主成分分析
4.1 實驗背景
4.2 實驗步驟和結果分析
實驗五因子分析
5.1 實驗背景
5.2 實驗步驟和結果分析
實驗六典型相關分析
6.1 實驗背景
6.2 實驗步驟和結果分析
實驗七對應分析
7.1 實驗背景
7.2 實驗步驟和結果分析
實驗八多維標度分析
8.1 實驗背景
8.2 實驗步驟和結果分析
參考文獻
第一章緒論
1.1 多元統計簡介
1.2 主要內容安排
第二章多元數據圖表示法
2.1 散點圖矩陣
22 雷達圖
2.3 調和曲線圖
2.4 臉譜圖
第三章均值向量和協方差陣的檢驗
3.1 隨機向量
3.2 多元常態分配
3.2.1 多元常態分配的定義及基本性質
3.2.2 多元常態分配的參數估計
3.3 均值向量的檢驗
3.3.1 單個正態總體Np（μ，∑）均值向量的檢驗
3.3.2 兩個正態總體Np（μ1，∑1）和N2（μ2，∑2）均值向量的檢驗
3.3.3 多個正態總體均值向量的檢驗（多元方差分析）
3.4 協差陣的檢驗
3.4.1 一個正態總體協方差陣的檢驗
3.4.2 多個正態總體協方差陣的檢驗
第四章聚類分析
4.1 距離
4.1.1 聚類數據的標準化處理
4.1.2 樣品距離的定義
4.2 系統聚類法
4.2.1 類間的距離
4.2.2 四種系統聚類法
4.3 K均值聚類法
第五章判別分析
5.1 判別分析簡介
5.2 距離判別法
5.2.1 兩組距離判別
5.2.2 多個總體的距離判別法
5.3 貝葉斯（Bayes）判別法
5.31 基本思想
5.3.2 多元正態總體的Bayes判別法
5.4 費舍（Fisher）判別法
5.4.1 兩組判別分析
5.4.2 多組別費舍判別法
5.5 逐步判別法
5.5.1 引入和剔除變數所用的檢驗統計量
5.5.2 逐步判別的原則
第六章主成分分析
6.1 主成分分析的基本原理
6.2 主成分分析的推導
6.2.1 從協方差出發求解總體主成分
6.2.2 從相關陣出發求解總體主成分
6.2.3 樣本的主成分
第七章因子分析
7.1 因子分析的基本理論
7.1.1 因子分析的數學模型
7.1.2 因子模型中的幾個統計特徵
7.2 因子載荷陣的估計方法
7.3 因子旋轉
7.4 因子得分
7.5 因子分析的步驟與邏輯框圖
7.5.1 因子分析的步驟
7.5.2 因子分析的邏輯框圖
第八章典型相關分析
8.1 典型相關分析的數學描述
8.2 總體典型相關
8.3 樣本典型相關
8.4 典型相關係數的顯著性檢驗
8.5 典型相關係數的步驟及實例
第九章對應分析
9.1 對應分析及基本思想
9.1.1 對應分析的數據類型
9.1.2 對應分析的基本思想
9.2 列聯表及列聯表分析簡介
9.3 對應分析的基本理論
9.3.1 距離與總慣量
9.3.2 R型與Q型因子分析的對等關係
9.4 對應分析的步驟
第十章多維標度分析
10.1 距離陣和經典解
10.1.1 歐式距離陣
10.1.2 歐式距離陣的判定定理
10.1.3 多維標度的經典解
10.2 實例
第二篇多元統計分析實驗
實驗一均值向量和協方差陣的檢驗
1.1 實驗背景
1.2 實驗步驟和結果分析
實驗二聚類分析
2.1 實驗背景
2.2 實驗步驟和結果分析
實驗三判別分析
3.1 實驗背景
3.2 實驗步驟和結果分析
實驗四主成分分析
4.1 實驗背景
4.2 實驗步驟和結果分析
實驗五因子分析
5.1 實驗背景
5.2 實驗步驟和結果分析
實驗六典型相關分析
6.1 實驗背景
6.2 實驗步驟和結果分析
實驗七對應分析
7.1 實驗背景
7.2 實驗步驟和結果分析
實驗八多維標度分析
8.1 實驗背景
8.2 實驗步驟和結果分析
參考文獻
