高等院校信息科學系列教材·數據分析

《高等院校信息科學系列教材·數據分析》是2010年在科學出版社出版的圖書，該書作者是範金城、梅長林。

基本介紹

• 書名：高等院校信息科學系列教材·數據分析
• ISBN：9787030263728
• 頁數：353頁
• 出版社：科學出版社
• 出版時間：2010年2月1日
• 裝幀：平裝
• 開本：開16
• 版次：第2版
• 語言：簡體中文
• 重量：458g

內容簡介

《數據分析(第2版)》介紹了數據分析的基本內容與方法，其特點是既重視數據分析的基本理論與方法的介紹，又強調套用計算機軟體SAS進行實際分析和計算能力的培養。主要內容有：數據描述性分析、非參數秩方法、回歸分析、主成分分析與因子分析、判別分析、聚類分析，時間序列分析以及常用數據分析方法的SAS過程簡介。《數據分析(第2版)》每章末附有大量實用、豐富的習題，並要求學生獨立上機完成。

《數據分析(第2版)》可作為高等院校信息科學及數理統計專業的本科生教材，也可供有關專業的研究生及工程技術人員參考。

目錄

第1章 數據描述性分析

1.1 數據的數字特徵

1.1.1 均值、方差等數字特徵

1.1.2 中位數、分位數、三均值與極差

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、箱線圖及五數總括

1.2.3 正態性檢驗與分布擬合檢驗

1.3 多元數據的數字特徵與相關分析

1.3.1 二元數據的數字特徵及相關係數

1.3.2 多元數據的數字特徵及相關矩陣

1.3.3 總體的數字特徵及相關矩陣

習題

第2章 非參數秩方法

2.1 兩種處理方法比較的秩檢驗

2.1.1 兩種處理方法比較的隨機化模型及秩的零分布

2.1.2 Wilcoxon秩和檢驗

2.1.3 總體模型的Wilcoxon秩和檢驗

2.1.4 Smimov檢驗

2.2 成對分組設計下兩種處理方法的比較

2.2.1 符號檢驗

2.2.2 Wilcoxon符號秩檢驗

2.2.3 分組設計下兩處理方法比較的總體模型

2.3 多種處理方法比較的Kruskal-Wallis檢驗

2.3.1 多種處理方法比較中秩的定義及Kruskal-Wallis統計量

2.3.2 KruskaLWallis統計量的零分布

2.4 分組設計下多種處理方法的比較

2.4.1 分組設計下秩的定義及其零分布

2.4.2 Friedmsn檢驗

2.4.3 改進的Friedman檢驗

習題

第3章 回歸分析

3.1 線性回歸模型

3.1.1 線性回歸模型及其矩陣表示

3.1.2 餳綁2的估計

3.1.3 有關的統計推斷

3.2 逐步回歸法

3.3 Logistic回歸模型

3.3.1 線性Logistic回歸模型

3.3.2 參數的最大似然估計與Newton-Raphson疊代解法

3.3.3 Logistic模型的統計推斷

習題

第4章 主成分分析與因子分析

4.1 主成分分析

4.1.1 引言

4.1.2 總體主成分

4.1.3 樣本主成分

4.2 因子分析

4.2.1 引言

4.2.2 正交因子模型

4.2.3 參數估計方法

4.2.4 主成分估計法的具體步驟

4.2.5 方差最大的正交旋轉

4.2.6 因子得分

習題

第5章 判別分析

5.1 距離判別

5.1.1 判別分析的基本思想及意義

5.1.2 兩個總體的距離判別

5.1.3 判別準則的評價

5.1.4 多個總體的距離判別

5.2 Bayes判別

5.2.1 Bayes判別的基本思想

5.2.2 兩個總體的Bayes判別

5.2.3 多個總體的Bayes判別

5.2.4 逐步判別簡介

習題

第6章 聚類分析

6.1 距離與相似係數

6.1.1 聚類分析的基本思想及意義

6.1.2 樣品間的相似性度量——距離

6.1.3 變數間的相似性度量——相似係數

6.2 譜系聚類法

6.2.1 類間距離

6.2.2 類間距離的遞推公式

6.2.3 譜系聚類法的步驟

6.2.4 變數聚類

6.3 快速聚類法

6.3.1 快速聚類法的步驟

6.3.2 用Lm距離進行快速聚類

習題

第7章 時間序列分析

7.1 平穩時間序列

7.1.1 時間序列分析及其意義

7.1.2 隨機過程概念及其數字特徵

7.1.3 平穩時間序列與平穩隨機過程

7.1.4 平穩性檢驗及自協方差函式、自相關函式的估計

7.2 ARMA時間序列及其特性

7.2.1 ARMA時間序列的定義

7.2.2 ARMA序列的平穩性與可逆性

7.2.3 ARMA序列的相關特性

7.3 ARMA時間序列的建模與預報

7.3.1 ARMA序列參數的矩估計

7.3.2 ARMA序列參數的精估計

7.3.3 ARMA模型的定階與考核

7.3.4 平穩線性最小均方預報

7.3.5 ARMA序列的預報

7.4 ARIMA序列與季節性序列

7.4.1 ARIMA序列及其預報

7.4.2 季節性序列及其預報

習題

第8章 常用數據分析方法的SAS過程簡介

8.1 SAS系統簡介

8.1.1 建立SAS數據集

8.1.2 利用已有的SAS數據集建立新的SAS數據集

8.1.3 SAS系統的數學運算符號及常用的SAS函式

8.1.4 邏輯語句與循環語句

8.2 常用數據分析方法的SAS過程

8.2.1 幾種描述性統計分析的SAS過程

8.2.2 非參數秩方法的SAS過程

8.2.3 回歸分析的SAS過程

8.2.4 主成分分析與因子分析的SAS過程

8.2.5 判別分析的SAS過程

8.2.6 聚類分析的SAS過程

8.2.7 時間序列分析的SAS過程——PROC ARIMA過程

8.2.8 SAS系統的矩陣運算——PROC IML過程簡介

主要參考文獻