編輯推薦:　　《實(shí)用多元統(tǒng)計(jì)分析(第6版)》中有大量來自實(shí)際問題的數(shù)據(jù)實(shí)例，通過對(duì)這些實(shí)例的分析，讀者可以學(xué)到如何將一個(gè)實(shí)際問題轉(zhuǎn)化為恰當(dāng)?shù)慕y(tǒng)計(jì)問題，進(jìn)而選擇恰當(dāng)?shù)姆椒▉磉M(jìn)行分析。

內(nèi)容簡(jiǎn)介:　　多元統(tǒng)計(jì)分析是統(tǒng)計(jì)學(xué)中內(nèi)容十分豐富、應(yīng)用范圍極為廣泛的一個(gè)分支。在自然科學(xué)和社會(huì)科學(xué)的許多學(xué)科中，研究者都有可能需要分析處理有多個(gè)變量的數(shù)據(jù)問題。從表面上看起來雜亂無章的數(shù)據(jù)學(xué)發(fā)現(xiàn)和提煉出規(guī)律性的結(jié)論，不僅需要對(duì)所研究的專業(yè)領(lǐng)域有很好的訓(xùn)練，而且要掌握必要的統(tǒng)計(jì)分析工具。
　　對(duì)研究者來說，本書是學(xué)習(xí)掌握多元統(tǒng)計(jì)分析的各種模型和方法的一本有價(jià)值的參考書：首先，它做到了淺入深出，既可供初學(xué)者入門，又能使有較深基礎(chǔ)的人受益；其次，它既側(cè)重矛應(yīng)用，又兼顧必要的推理論證，使學(xué)習(xí)者既能學(xué)到“如何”做，而且在一定程度上了解“為什么”這樣做；最后，它內(nèi)涵豐富、全面，不僅基本包括各種在實(shí)際中常用的多元統(tǒng)計(jì)分析方法，而且對(duì)現(xiàn)代統(tǒng)計(jì)學(xué)的最新思想和進(jìn)展有所介紹。值得一提的是，本書中有大量來自實(shí)際問題的數(shù)據(jù)實(shí)例，通過對(duì)這些實(shí)例的分析，讀者可以學(xué)到如何將一個(gè)實(shí)際問題轉(zhuǎn)化為恰當(dāng)?shù)慕y(tǒng)計(jì)問題，進(jìn)而選擇恰當(dāng)?shù)姆椒ㄟM(jìn)行分析。

作者簡(jiǎn)介:

目錄:第1章 多元分析概述
1.1 引言
1.2 多元方法的應(yīng)用
1.3 數(shù)據(jù)的組織
1.4 數(shù)據(jù)的展示及圖表示
1.5 距離
1.6 最終評(píng)注
練習(xí)
參考文獻(xiàn)

第2章 矩陣代數(shù)與隨機(jī)向量
2.1 引言
2.2 矩陣和向量代數(shù)基礎(chǔ)
2.3 正定矩陣
2.4 平方根矩陣
2.5 隨機(jī)向量和矩陣
2.6 均值向量和協(xié)方差矩陣
2.7 矩陣不等式和極大化
補(bǔ)充2A向量與矩陣：基本概念
練習(xí)
參考文獻(xiàn)

第3章 樣本幾何與隨機(jī)抽樣
3.1 引言
3.2 樣本幾何
3.3 隨機(jī)樣本以及樣本均值和協(xié)方差矩陣的期望值
3.4 廣義方差
3.5 作為矩陣運(yùn)算的樣本均值、協(xié)方差與相關(guān)系數(shù)
3.6 變量的線性組合的樣本值
練習(xí)
參考文獻(xiàn)

第4章 多元正態(tài)分布
4.1 引言
4.2 多元正態(tài)密度及其性質(zhì)
4.3 從多元正態(tài)分布抽樣與極大似然估計(jì)
4.4 X和s的抽樣分布
4.5 X和S的大樣本特性
4.6 評(píng)估正態(tài)性假定
4.7 搜尋離群值及“清潔”數(shù)據(jù)
4.8 變換到接近正態(tài)性
練習(xí)
參考文獻(xiàn)

第5章 關(guān)于均值向量的推斷
5.1 引言
5.2 u作為正態(tài)總體均值的似真性
5.3 霍特林T與似然比檢驗(yàn)
5.4 置信域和均值分量的聯(lián)合比較
5.5 總體均值向量的大樣本推斷
5.6 多元質(zhì)量控制圖
5.7 觀測(cè)值缺損時(shí)均值向量的推斷
5.8 多元觀測(cè)中由時(shí)間相依性造成的困難
補(bǔ)充5A作為p維橢球投影的聯(lián)合置信區(qū)間與置信橢圓
練習(xí)
參考文獻(xiàn)

第6章 多個(gè)多元均值向量的比較
6.1 引言
6.2 成對(duì)比較與重復(fù)測(cè)量設(shè)計(jì)
6.3 兩總體均值向量的比較
6.4 多個(gè)多元總體均值向量的比較(單因子多元方差分析)
6.5 處理效應(yīng)的聯(lián)合置信區(qū)間
6.6 協(xié)方差矩陣相等性的檢驗(yàn)
6.7 雙岡子多元方差分析
6.8 輪廓分析
6.9 重復(fù)測(cè)量設(shè)計(jì)和生長曲線
6.10 對(duì)分析多元模型的展望和建議
練習(xí)
參考文獻(xiàn)

第7章 多元線性回歸模型
7.1 引言
7.2 經(jīng)典線性回歸模型
7.3 最小二乘估計(jì)
7.4 回歸模型的推斷
7.5 由估計(jì)的回歸函數(shù)作推斷
7.6 模型檢查及回歸中的其他問題
7.7 多元多重回歸
7.8 線性回歸的概念
7.9 比較回歸模型的兩種表達(dá)方式
7.10 有時(shí)間相關(guān)誤差的多重回歸模型
補(bǔ)充7A多元多重回歸模型的似然比的分布
練習(xí)
參考文獻(xiàn)

第8章 主成分
8.1 引言
8.2 總體主成分
8.3 綜合主成分的樣本變差
8.4 主成分的圖形表示
8.5 大樣本推斷
8.6 用主成分監(jiān)控質(zhì)量
補(bǔ)充8A樣本主成分近似的幾何意義
練習(xí)
參考文獻(xiàn)

第9章 因子分析與對(duì)結(jié)構(gòu)性協(xié)方差矩陣的推斷
9.1 引言
9.2 正交因子模型
9.3 估計(jì)方法
9.4 因子旋轉(zhuǎn)
9.5 因子得分
9.6 因子分析的展望和建議
補(bǔ)充9 A極大似然估計(jì)的某些計(jì)算細(xì)節(jié)
練習(xí)
參考文獻(xiàn)

第10章 典型相關(guān)分析
10.1 引言
10.2 典型變量和典型相關(guān)系數(shù)
10.3 總體典型變量的解釋
10.4 樣本典型變量和樣本典型相關(guān)系數(shù)
10.5 其他樣本描述性度量
10.6 大樣本推斷
練習(xí)
參考文獻(xiàn)

第11章 判別與分類
11.1 引言
11.2 兩個(gè)總體的分離與分類
11.3 兩個(gè)多元正態(tài)總體的分類
11.4 評(píng)估分類函數(shù)
11.5 多個(gè)總體的分類
11.6 對(duì)多個(gè)總體進(jìn)行判別的費(fèi)希爾方法
11.7 邏輯斯蒂回歸與分類
11.8 最后的評(píng)述
練習(xí)
參考文獻(xiàn)

第12章 聚類、距離方法與多維標(biāo)度變換
12.1 引言
12.2 相似性量度
12.3 分層聚類方法
12.4 非分層聚類方法
12.5 基于統(tǒng)計(jì)模型的聚類
12.6 多維標(biāo)度變換
12.7 對(duì)應(yīng)分析
12.8 用于觀察抽樣單元和變量的雙重信息圖
12.9 普羅克魯斯特斯分析：一種比較點(diǎn)結(jié)構(gòu)的方法
補(bǔ)充12 A數(shù)據(jù)挖掘
練習(xí)
參考文獻(xiàn)
附錄