数据分析(第2版高等院校信息科学系列教材)

本书介绍了数据分析 的基本内容与方法，其特 点是既重视数据分析的基 本理论与方法的介绍，又 强调应用计算机软件SAS 进行实际分析和计算能力 的培养。主要内容有：数 据描述性分析、非参数秩 方法、回归分析、主成分 分析与因子分析、判别分 析、聚类分析、时间序列 分析以及常用数据分析方 法的SAS过程简介。本书 每章末附有大量实用、丰 富的习题，并要求学生独 立上机完成。 本书可作为高等院校 信息科学及数理统计专业 的本科生教材，也可供有 关专业的研究生及工程技 术人员参考。

第1章 数据描述性分析 1.1 数据的数字特征 1.1.1 均值、方差等数字特征 1.1.2 中位数、分位数、三均值与极差 1.2 数据的分布 1.2.1 直方图、经验分布函数与QQ图 1.2.2 茎叶图、箱线图及五数总括 1.2.3 正态性检验与分布拟合检验 1.3 多元数据的数字特征与相关分析 1.3.1 二元数据的数字特征及相关系数 1.3.2 多元数据的数字特征及相关矩阵 1.3.3 总体的数字特征及相关矩阵 习题. 第2章 非参数秩方法 2.1 两种处理方法比较的秩检验 2.1.1 两种处理方法比较的随机化模型及秩的零分布 2.1.2 Wilcoxon秩和检验 2.1.3 总体模型的wilcoxon秩和检验 2.1.4 Smirnov检验 2.2 成对分组设计下两种处理方法的比较 2.2.1 符号检验 2.2.2 Wilcoxon符号秩检验 2.2.3 分组设计下两处理方法比较的总体模型 2.3 多种处理方法比较的Kruskal-Wallis检验 2.3.1 多种处理方法比较中秩的定义及Kruskal-Wallis统计量 2.3.2 Kruskal-Wallis统计量的零分布 2.4 分组设计下多种处理方法的比较 2.4.1 分组设计下秩的定义及其零分布 2.4.2 Friedaman检验 2.4.3 改进的Friedman检验 习题 第3章 回归分析 3.1 线性回归模型 3.1.1 线性回归模型及其矩阵表示 3.1.2 口及口。的估计 3.1.3 有关的统计推断 3.2 逐步回归法 3.3 Logistic回归模型 3.3.1 线性Logistic回归模型 3.3.2 参数的最大似然估计与Newton-Raphson迭代解法 3.3.3 Logistic模型的统计推断 习题 第4章 主成分分析与因子分析 4.1 主成分分析 4.1.1 引言 4.1.2 总体主成分 4.1.3 样本主成分 4.2 因子分析 4.2.1 引言 4.2.2 正交因子模型