數(shù)據(jù)分析方法

內(nèi)容概要

　　本書是為高等院校信息與計算科學專業(yè)本科生“數(shù)據(jù)分析課程”編寫的教材，內(nèi)容涉及常用統(tǒng)計數(shù)據(jù)分析的基本內(nèi)容與方法，包括數(shù)據(jù)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(guān)分析、判別分析、聚類分析、Bayes統(tǒng)計分析等。另外，對SAS軟件的基本內(nèi)容以及與以上內(nèi)容有關(guān)的SAS過程做了簡介，以便于各方法的實際應用。各章均配備了豐富的有實際應用背景的習題?！　”緯部勺鳛楦叩仍盒＝y(tǒng)計專業(yè)的本科生和非數(shù)學類碩士研究生教材以及數(shù)據(jù)分析工作者的參考書。

書籍目錄

第1章 數(shù)據(jù)描述性分析1.1 一維數(shù)據(jù)的數(shù)字特征1.1.1 表示位置的數(shù)字特征1.1.2 表示分散性的數(shù)字特征1.1.3 表示分布形狀的數(shù)字特征1.2 數(shù)據(jù)的分布1.2.1 直方圖、經(jīng)驗分布函數(shù)與QQ圖1.2.2 莖葉圖1.2.3 數(shù)據(jù)的分布擬合檢驗與正態(tài)性檢驗1.3 多維數(shù)據(jù)的數(shù)字特征及相關(guān)分析1.3.1 二維數(shù)據(jù)的數(shù)字特征及相關(guān)系數(shù)1.3.2 多維數(shù)據(jù)的數(shù)字特征及相關(guān)矩陣1.3.3 總體的數(shù)字特征、相關(guān)矩陣及多維正態(tài)分布習題1第2章 線性回歸分析2.1 線性回歸模型及其參數(shù)估計2.1.1 線性回歸模型及其矩陣表示2.1.2 參數(shù)估計及其性質(zhì)2.2 統(tǒng)計推斷與預測2.2.1 回歸方程的顯著性檢驗2.2.2 回歸系數(shù)的統(tǒng)計推斷2.2.3 預測及其統(tǒng)計推斷2.2.4 與回歸系數(shù)有關(guān)的假設(shè)檢驗的一般方法2.3 殘差分析2.3.1 誤差項的正態(tài)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 兩因素等重復試驗下的方差分析3.2.1 統(tǒng)計模型3.2.2 交互效應及因素效應的顯著性檢驗3.2.3 無交互效應時各因素均值的估計與比較3.2.4 有交互效應時因素各水平組合（AiBj）上的均值估計與比較3.3 兩因素非重復試驗下的方差分析習題3第4章 主成分分析與典型相關(guān)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 典型相關(guān)分析4.2.1 引言4.2.2 總體的典型變量與典型相關(guān)4.2.3 樣本的典型變量與典型相關(guān)4.2.4 典型相關(guān)系數(shù)的顯著性檢驗習題4第5章 判別分析5.1 距離判別5.1.1 兩個總體的距離判別5.1.2 判別準則的評價5.1.3 多個總體的距離判別5.2 Baves判別5.2.1 Bayes判別的基本思想5.2.2 兩個總體的Beyes判別5.2.3 多個總體的Beyes判別習題5第6章 聚類分析6.1 樣品間相近性的度量6.2 快速聚類法6.2.1 快速聚類法的步驟6.2.2 用Lm距離進行快速聚類6.3 譜系聚類法6.3.1 類間距離及其遞推公式6.3.2 譜系聚類法的步驟6.3.3 變量聚類習題6第7章 Bayes統(tǒng)計分析7.1 Baves統(tǒng)計模型7.1.1 Bayes統(tǒng)計分析的基本思想7.1.2 Bayes統(tǒng)計模型7.1.3 Bayes統(tǒng)計推斷原則7.1.4 先驗分布的Bayes假設(shè)與不變先驗分布7.1.5 共軛先驗分布7.1.6 先驗分布中超參數(shù)的確定7.2 Baves統(tǒng)計推斷7.2.1 參數(shù)的Bayes點估計7.2.2 Bayes區(qū)間估計7.2.3 Bayes假設(shè)檢驗習題7第8章 SAS軟件及有關(guān)數(shù)據(jù)分析過程簡介8.1 SAS基本內(nèi)容簡介8.1.1 數(shù)據(jù)的輸入與輸出8.1.2 利用已有的SAS數(shù)據(jù)集建立新的SAS數(shù)據(jù)集8.1.3 SAS系統(tǒng)的數(shù)學運算符號及常用的SAS函數(shù)8.1.4 邏輯語句與循環(huán)語句8.2 與本書內(nèi)容有關(guān)的SAS過程簡介8.2.1 幾種描述性統(tǒng)計分析的SAS過程和作圖過程8.2.2 回歸分析的SAS過程——PR0C REG過程8.2.3 方差分析的sAS過程——PR0C ANOVA過程8.2.4 主成分分析的SAS過程——PROC PRINc0MP過程8.2.5 典型相關(guān)分析的sAS過程——PROC CANC0RR過程8.2.6 判別分析的SAS過程——PR0C DISCRIM過程8.2.7 聚類分析的SAS過程8.2.8 SAS系統(tǒng)的矩陣運算編程語言——PROC IML過程簡介主要參考文獻

章節(jié)摘錄

版權(quán)頁：插圖：人類認識世界往往首先將被認識的對象進行分類，例如，在經(jīng)濟學中，為了了解不同地區(qū)城鎮(zhèn)居民的收入及消費情況，往往需要劃分不同的類型去研究；在產(chǎn)品質(zhì)量管理中，要根據(jù)各產(chǎn)品的某些重要指標而將其分為一等品、二等品等；在生物學中，要根據(jù)各生物體的綜合特征進行分類；在考古學中，要將某些古生物化石進行科學的分類等等。聚類分析即是研究分類問題的數(shù)據(jù)分析方法。聚類分析與判別分析都是研究分類的，但它們有所區(qū)別。聚類分析一般尋求客觀的分類方法，在進行聚類分析以前，對總體到底有幾種類型并不知道。判別分析則是總體分類已給定，在總體分布或來自總體訓練樣本基礎(chǔ)上，對當前的新樣品判定它們屬于哪個總體。然而，聚類分析與判別分析有一定聯(lián)系，判別分析中的訓練樣本往往是從聚類分析得到的。聚類分析一般有兩種類型，即按樣品聚類或按變量（指標）聚類，其基本思想是通過定義樣品或變量間“接近程度”的度量，以此為基礎(chǔ)，將“相近”的樣品或變量歸為一類。本章首先以樣品聚類為主，介紹兩種常用的聚類方法——快速聚類法與譜系聚類法。最后，對變量聚類也作了簡單討論。

編輯推薦

《數(shù)據(jù)分析方法》為普通高等學校信息與計算科學專業(yè)系列叢書,普通高等教育“十一五”國家級規(guī)劃教材之一。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    數(shù)據(jù)分析方法 PDF格式下載

---