數據分析方法

內容簡介

《數據分析方法》是為高等院校信息與計算科學專業本科生“數據分析課程”編寫的教材，內容涉及常用統計數據分析的基本內容與方法，包括數據的描述性分析、線性回歸分析、方差分析、主成分分析和典型相關分析、判別分析、聚類分析、Bayes統計分析等。另外，對SAS軟體的基本內容以及與以上內容有關的SAS過程做了簡介，以便於各種方法的實際套用。各章均配備了豐富的有實際套用背景的習題。《數據分析方法》也可作為高等院校統計專業的本科生和非數學類碩士研究生教材以及數據分析工作者的參考書。

數據分析一般的四個步驟：1）需求分析 2）概念結構分析 3）邏輯結構分析 4）物理結構分析

概念結構分析就是我們常見的E-R圖模型；邏輯結構分析是將概念結構分析所得到的概念模型轉換為具體DBMS所能支持的數據模型；物理結構分析就是具體的表結構。

作品目錄

第1章數據描述性分析

1.1 一維數據的數字特徵

1.1.1 表示位置的數字特徵

1.1.2 表示分散性的數字特徵

1.1.3 表示分布形狀的數字特徵

1.2 數據的分布

1.2.1 直方圖、經驗分布函式與QQ圖

1.2.2 莖葉圖

1.2.3 數據的分布擬合檢驗與正態性檢驗

1.3 多維數據的數字特徵及相關分析

1.3.1 二維數據的數字特徵及相關係數

1.3.2 多維數據的數字特徵及相關矩陣

1.3.3 總體的數字特徵、相關矩陣及多維常態分配

習題1

第2章線性回歸分析

2.1 線性回歸模型及其參數估計

2.1.1 線性回歸模型及其矩陣表示

2.1.2 參數估計及其性質

2.2 統計推斷與預測

2.2.1 回歸方程的顯著性檢驗

2.2.2 回歸係數的統計推斷

2.2.3 預測及其統計推斷

2.2.4 與回歸係數有關的假設檢驗的一般方法

2.3 殘差分析

2.3.1 誤差項的正態性檢驗

2.3.2 殘差圖分析

2.3.3 Box-cox變換

2.4 回歸方程的選取

2.4.1 窮舉法

2.4.2 逐步回歸法

習題2

第3章方差分析

3.1 單因素方差分析

3.1.1 單因素方差分析模型

3.1.2 因素效應的顯著性檢驗

3.1.3 因素各水平均值的估計與比較

3.2 兩因素等重複試驗下的方差分析

3.2.1 統計模型

3.2.2 互動效應及因素效應的顯著性檢驗

3.2.3 無互動效應時各因素均值的估計與比較

3.2.4 有互動效應時因素各水平組合（AiBj）上的均值估計與比較

數據分析方法

基本介紹

內容簡介

作品目錄

相關詞條

熱門詞條