套用多元統計分析——基於R的實驗

《套用多元統計分析——基於R的實驗》是2019年8月1日同濟大學出版社出版的圖書，由韓明編寫。

基本介紹

• 中文名：套用多元統計分析——基於R的實驗
• 作者：韓明
• 出版時間：2019年8月1日
• ISBN：9787560885636

內容簡介

《套用多元統計分析：基於R的實驗》基於《套用多元統計分析》第2版（韓明，同濟大學出版社）的內容，編寫了基於R的實驗。在每一章（從第2章開始）的前面，首先按照原教材簡要介紹有關概念、理論和相關背景，然後是與本章內容對應的實驗。全書由12章組成，通過40個實驗，著重培養學生的動手能力、套用R軟體分析和解決多元統計問題的能力。實驗的內容與原教材的例題、套用案例不重複。

　　《套用多元統計分析：基於R的實驗》既可以與原教材配套使用，也可以單獨使用。

　　《套用多元統計分析：基於R的實驗》注重可讀性，圖文並茂，可供高等院校有關專業本科生和研究生作為“多元統計分析”“多元統計實驗”等課程的教材（或參考書），也可作為全國大學生（研究生）“數學建模競賽”、全國大學生“統計建模大賽”的培訓教材（或參考書），還可供相關專業的教師和科技人員、廣大自學者參考。

圖書目錄

前言

1 緒論

1．1 多元統計分析概述

1．2 多元統計分析的套用

1．3 本書的基本框架和內容安排

1．4 用於實驗的數據集

2 多元數據的表示及可視化

2．1 多元數據的表示

2．1．1 多元數據的一般格式

2．1．2 多元數據的數字特徵

2．2 多元數據的可視化

2．3 實驗

2．3．1 實驗2．3．1 mtcars數據集的展示

2．3．2 實驗2．3．2 iris數據集的描述和展示

2．3．3 實驗2．3．3 mtcars數據集的可視化

2．3．4 實驗2．3．4 iris數據集的可視化

2．3．5 實驗2．3．5 四個城市銷售數據的展示和可視化

2．3．6 附錄：RColorBrewer包的配色方案介紹

3 線性回歸分析

3．1 一元線性回歸的回顧

3．1．1 數學模型

3．1．2 回歸參數的估計

3．1．3 回歸方程的顯著性檢驗

3．1．4 預測

3．2 多元線性回歸

3．2．1 多元線性回歸模型

3．2．2 回歸參數的估計

3．2．3 回歸方程的顯著性檢驗

3．2．4 預測

3．3 實驗

3．3．1 實驗3．3．1 women數據集的回歸分析

3．3．2 實驗3．3．2 Boston數據集的回歸分析

3．3．3 實驗3．3．3 state．x77數據集的回歸分析

3．3．4 實驗3．3．4 mtcars數據集的回歸分析

4 逐步回歸與回歸診斷

4．1 逐步回歸

4．1．1 變數的選擇

4．1．2 逐步回歸的計算

4．2 回歸診斷

4．3 Box-Cox變換

4．4 實驗

4．4．1 實驗4．4．1 stackloss數據集的逐步回歸

4．4．2 實驗4．4．2 stackloss數據集的回歸診斷

4．4．3 實驗4．4．3 state．x77數據集的逐步回歸和回歸診斷

4．4．4 實驗4．4．4 stackloss數據集的Box-Cox變換

5 廣義線性模型與非線性模型

5．1 廣義線性模型

5．1．1 廣義線性模型概述

5．1．2 Logist4c模型

5．1．3 對數線性模型

5．2 非線性模型

5．3 實驗

5．3．1 實驗5．3．1 淋巴細胞白血病人生存數據的Logistic模型

5．3．2 實驗5．3．2 The Children Ever Born Data的對數線性模型

5．3．3 實驗5．3．3 “挑戰者號”太空梭O形環失效的廣義線性模型

5．3．4 實驗5．3．4 柑橘重量與直徑的非線性模型

5．3．5 實驗5．3．5 USPop數據集的非線性模型

6 方差分析

6．1 單因素方差分析

6．1．1 數學模型

6．1．2 方差分析

6．1．3 均值的多重比較

6．2 雙因素方差分析

6．2．1 不考慮互動作用

6．2．2 考慮互動作用

6．3 多元方差分析

6．4 實驗

6．4．1 實驗6．4．1 cholesterol數據集的方差分析

6．4．2 實驗6．4．2 果汁含鉛比實驗數據的方差分析

6．4．3 實驗6．4．3 老鼠存活時間的方差分析

6．4．4 實驗6．4．4 UScereal數據集的方差分析

7 聚類分析

7．1 聚類分析的基本思想與意義

7．2 Q型聚類分析

7．2．1 兩點之間的距離

7．2．2 兩類之間的距離

7．2．3 系統聚類法

7．2．4 均值聚類

7．3 R型聚類分析

7．3．1 變數相似性度量

7．3．2 變數聚類法

7．4 實驗

7．4．1 實驗7．4．1 iris數據集的聚類分析

7．4．2 實驗7．4．2 城鎮居民消費性支出的聚類分析

7．4．3 實驗7．4．3 城鎮居民消費性支出的k均值聚類

7．4．4 實驗7．4．4 城鎮居民消費性支出中8個變數的聚類分析

8 判別分析

8．1 距離判別

8．1．1 馬氏距離

8．1．2 判別準則與判別函式

8．1．3 多總體情形

8．2 Fisher判別

8．2．1 判別準則

8．2．2 判別函式中係數的確定

8．2．3 確定判別函式

8．3 Bayes判別

8．3．1 誤判機率與誤判損失

8．3．2 兩總體的Bayes判別

8．4 實驗

8．4．1 實驗8．4．1 iris數據集的判別分析

8．4．2 實驗8．4．2 心肌梗塞患者的判別分析

8．4．3 實驗8．4．3 根據人文發展指數的判別分析

9 主成分分析

9．1 主成分分析的基本思想及方法

9．2 特徵值因子的篩選

9．3 主成分回歸分析

9．4 實驗

9．4．1 實驗9．4．1 首批沿海開放城市的主成分分析

9．4．2 實驗9．4．2 USJudgeRatings數據集的主成分分析

10 因子分析

10．1 因子分析模型

10．1．1 數學模型

10．1．2 因子分析模型的性質

10．1．3 因子載荷矩陣中的幾個統計性質

10．2 因子載荷矩陣的估計方法

10．2．1 主成分分析法

10．2．2 主因子法

10．3 因子旋轉

10．4 因子得分

10．4．1 因子得分的概念

10．4．2 加權最小二乘法

10．5 因子分析的步驟

10．6 實驗

10．6．1 實驗10．6．1 ability．cov數據集的因子分析

10．6．2 實驗10．6．2 Harman74數據集的因子分析

11 對應分析

11．1 對應分析簡介

11．2 對應分析的原理

11．2．1 對應分析的數據變換方法

11．2．2 對應分析的原理和依據

11．2．3 對應分析的計算步驟

11．3 實驗

11．3．1 實驗11．3．1 美國授予哲學博士學位的對應分析

11．3．2 實驗11．3．2 漢字讀寫能力與數學成績的對應分析

11．3．3 實驗11．3．3 收入與品牌的對應分析

11．3．4 實驗11．3．4 caith數據集的對應分析

11．3．5 實驗11．3．5 smoke數據集的對應分析

12 典型相關分析

12．1 典型相關分析的基本思想

12．2 典型相關的數學描述

12．3 原始變數與典型變數之間的相關性

12．4 典型相關係數的檢驗

12．5 實驗

12．5．1 實驗12．5．1 投資性變數與國民經濟變數的典型相關分析

12．5．2 實驗12．5．2 科學研究、開發投入與產出的典型相關分析

參考文獻