《套用統計信息分析與例題解》是2006年國防工業出版社出版的圖書。本書主要是介紹各種實用統計信息的分析方法。
基本介紹
- 書名：套用統計信息分析與例題解
- 頁數： 256頁
- 出版社：國防工業出版社
- 出版時間：2006
圖書信息,摘要信息,圖書目錄,
圖書信息
題 名： 套用統計信息分析與例題解
題名拼音： ying yong tong ji xin xi fen xi yu li ti jie
I S B N： 7-118-03943-8
責 任 者： 勒中鑫編著
出 版 社： 國防工業出版社
出版地點： 北京
出版時間： 2006
載體形態： 256頁
主 題 詞： 統計分析 信息處理
中圖分類號： C81
摘要信息
本書內容有：數理統計與估計、統計假設檢驗、回歸信息分析、多元相關與特徵分解、聚類與自組織分析、模式分析與識別等。
圖書目錄
目錄
第1章 數理統計與估計
1．1 數理統計基本概念
1．1．1 總體與樣本
1．1．2 統計量與樣本矩
1．2 抽樣分布與基本機率計算
1．2．1 常態分配
1．2．2 分布與偏分布
1．2．3 t分布與偏t分布
1．2．4 F分布與偏F分布
1．2．5 Weibull分布
1．3 點估計與估計量的評估標準
1．3．1 矩估計
1．3．2 極大似然估計
1．3．3 最優無偏估計與有效性
1．3．4 相合估計
1．3．5 充分性與完備性
1．4 區間估計
1．4．1 正態總體均值與方差的區間估計
1．4．2 0-1分布參數的置信區間估計
1．4．3 泊松分布參數的區間估計
1．4．4 大樣本均值參數的區間估計
1．4．5 分布參數的單邊置信限
1．5 貝葉斯估計
1．5．1 貝葉斯驗後分布
1．5．2 最大風險最小化的基本概念
1．5．3 驗前分布與貝葉斯最大後驗估計
1．5．4 貝葉斯區間估計
第2章 統計假設檢驗
2．1 正態總體參數檢驗
2．1．1 參數檢驗概念與幾個檢驗方法
2．1．2 正態總體非配對數據的均值差檢驗
2．1．3 正態相關數據對的均值差檢驗
2．1．4 正態方差檢驗
2．2 總體參數一致性分析
2．2．1 單因素均值與方差檢驗
2．2．2 等重複與不等重複雙因素分析
2．2．3 其他總體參數檢驗
2．3 基於似然函式的檢驗與一致性
2．3．1 似然比檢驗
2．3．2 Neyman-Pearson檢驗
2．3．3 一致最優勢檢驗與樣本容量確定
2．4 序統計量與統計容忍區間
2．4．1 序統計量及其分布
2．4．2 統計容忍區間
2．5 總體假設檢驗
2．5．1 正態機率圖與偏度峰度檢驗
2．5．2 Pearson檢驗
2．5．3 柯爾莫哥洛夫與斯米爾諾夫檢驗
2．5．4 秩和檢驗
2．5．5 符號檢驗
2．5．6 分類檢驗
第3章 回歸信息分析
3．1 線性回歸統計模型基本性質
3．1．1 線性回歸統計模型與最小二乘解
3．1．2 最小二乘解的基本性質
3．1．3 回歸方程計算與相關
3．1．4 回歸分析檢驗
3．2 重要線性回歸類型
3．2．1 回歸變數的不同組合
3．2．2 後向與前向逐步回歸
3．2．3 多元線性逐步回歸
3．2．4 共線、嶺回歸與特徵篩選法
3．2．5 加權最小二乘法
3．2．6 虛擬變數回歸
3．2．7 主分量回歸
3．2．8 Logistic回歸
3．3 多項式回歸
3．3．1 多項式直接回歸
3．3．2 按多元線性回歸處理
3．3．3 二次回響曲面預測
3．4 非線性回歸
3．5 圖像預測與復原條件回歸
第4章 多元相關與特徵分解
4．1 主分量
4．1．1 主分量定義與性質
4．1．2 結合例題分析透視主分量內涵
4．1．3 多光譜圖像與視頻圖像的主分量分析
4．2 主因子
4．2．1 主因子分析模型
4．2．2 主因子算法與得分
4．2．3 基於方差增大方向的正交矩陣旋轉算法
4．2．4 主因子圖像及其意義
4．3 主相關
4．3．1 主相關信息分析模型與得分
4．3．2 主相關信息分析實例
4．3．3 顯著性檢驗與方差
4．3．4 圖像主相關分析
4．4 主對應
4．4．1 主對應分析模型與舉例
4．4．2 主對應對圖像處理的啟示
第5章 聚類與自組織分析
5．1 距離及其聚類
5．1．1 距離定義
5．1．2 聚類分析與舉例
5．2 相似性聚類
5．2．1 樣本餘弦與相關
5．2．2 樣本餘弦聚類與距離方法的關係
5．3 有序聚類
5．3．1 有序聚類基本思路
5．3．2 有序聚類用於預測
5．4 神經網路自組織分析與圖像編碼
第6章 模式分析與識別
6．1 距離判別
6．1．1 兩總體判別
6．1．2 線性化協方差矩陣
6．2 Fisher判別
6．2．1 Fisher準則
6．2．2 Fisher算法舉例
6．3 貝葉斯判別
6．3．1 貝葉斯後驗機率與風險
6．3．2 貝葉斯判別與幾種方法的比較
6．4 逐步變數篩選判別
6．4．1 逐步變數篩選概念
6．4．2 逐步判別基本思路和計算
6．5 模式訓練判別
6．5．1 感知器算法
6．5．2 梯度算法
6．5．3 最小均方誤差算法
6．5．4 勢函式算法
6．6 神經網路判別與圖像分類
第7章 生存數據分析與辨識
7．1 生存數據分析問題
7．1．1 生存函式
7．1．2 危險率函式與生存函式關係
7．1．3 生存數據推演
7．2 生存分布幾個非參數檢驗
7．2．1 Mantel檢驗
7．2．2 Cox-F檢驗
7．2．3 Mantel-Haenszel檢驗
7．2．4 Kruskal-Wallis檢驗
7．2．5 Pearson-檢驗
7．3 幾個套用於生存的理論分布與估計
7．3．1 指數分布參數估計
7．3．2 對數常態分配參數估計
7．3．3 Γ分布參數估計
7．3．4 Gehan-Siddiqui加權最小二乘法
7．4 生存分布的參數檢驗
7．4．1 指數分布的似然比檢驗與Cox-F檢驗
7．4．2 Thoman-Bain檢驗
7．4．3 Rao-F檢驗
7．5 生存數據變數特性辨識
7．5．1 指數模型
7．5．2 風險比較與Fisher判決
7．5．3 邏輯回歸模型
參考文獻
