工商管理優(yōu)秀教材譯叢·管理學(xué)系列：實(shí)用多元統計分析（第6版）簡(jiǎn)介，目錄書(shū)摘
2019-09-26 14:18
來(lái)源：京東
作者：京東
工商管理優(yōu)秀教材譯叢·管理學(xué)系列：實(shí)用多元統計分析（第6版）
暫無(wú)報價(jià)
1100+評論
98%好評
編輯推薦: 《實(shí)用多元統計分析(第6版)》中有大量來(lái)自實(shí)際問(wèn)題的數據實(shí)例，通過(guò)對這些實(shí)例的分析，讀者可以學(xué)到如何將一個(gè)實(shí)際問(wèn)題轉化為恰當的統計問(wèn)題，進(jìn)而選擇恰當的方法來(lái)進(jìn)行分析。
內容簡(jiǎn)介: 多元統計分析是統計學(xué)中內容十分豐富、應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)變量的數據問(wèn)題。從表面上看起來(lái)雜亂無(wú)章的數據學(xué)發(fā)現和提煉出規律性的結論，不僅需要對所研究的專(zhuān)業(yè)領(lǐng)域有很好的訓練，而且要掌握必要的統計分析工具。
對研究者來(lái)說(shuō)，本書(shū)是學(xué)習掌握多元統計分析的各種模型和方法的一本有價(jià)值的參考書(shū)：首先，它做到了淺入深出，既可供初學(xué)者入門(mén)，又能使有較深基礎的人受益；其次，它既側重矛應用，又兼顧必要的推理論證，使學(xué)習者既能學(xué)到“如何”做，而且在一定程度上了解“為什么”這樣做；最后，它內涵豐富、全面，不僅基本包括各種在實(shí)際中常用的多元統計分析方法，而且對現代統計學(xué)的最新思想和進(jìn)展有所介紹。值得一提的是，本書(shū)中有大量來(lái)自實(shí)際問(wèn)題的數據實(shí)例，通過(guò)對這些實(shí)例的分析，讀者可以學(xué)到如何將一個(gè)實(shí)際問(wèn)題轉化為恰當的統計問(wèn)題，進(jìn)而選擇恰當的方法進(jìn)行分析。
對研究者來(lái)說(shuō)，本書(shū)是學(xué)習掌握多元統計分析的各種模型和方法的一本有價(jià)值的參考書(shū)：首先，它做到了淺入深出，既可供初學(xué)者入門(mén)，又能使有較深基礎的人受益；其次，它既側重矛應用，又兼顧必要的推理論證，使學(xué)習者既能學(xué)到“如何”做，而且在一定程度上了解“為什么”這樣做；最后，它內涵豐富、全面，不僅基本包括各種在實(shí)際中常用的多元統計分析方法，而且對現代統計學(xué)的最新思想和進(jìn)展有所介紹。值得一提的是，本書(shū)中有大量來(lái)自實(shí)際問(wèn)題的數據實(shí)例，通過(guò)對這些實(shí)例的分析，讀者可以學(xué)到如何將一個(gè)實(shí)際問(wèn)題轉化為恰當的統計問(wèn)題，進(jìn)而選擇恰當的方法進(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 多元方法的應用
1.3 數據的組織
1.4 數據的展示及圖表示
1.5 距離
1.6 最終評注
練習
參考文獻
第2章 矩陣代數與隨機向量
2.1 引言
2.2 矩陣和向量代數基礎
2.3 正定矩陣
2.4 平方根矩陣
2.5 隨機向量和矩陣
2.6 均值向量和協(xié)方差矩陣
2.7 矩陣不等式和極大化
補充2A向量與矩陣：基本概念
練習
參考文獻
第3章 樣本幾何與隨機抽樣
3.1 引言
3.2 樣本幾何
3.3 隨機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 作為矩陣運算的樣本均值、協(xié)方差與相關(guān)系數
3.6 變量的線(xiàn)性組合的樣本值
練習
參考文獻
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
4.4 X和s的抽樣分布
4.5 X和S的大樣本特性
4.6 評估正態(tài)性假定
4.7 搜尋離群值及“清潔”數據
4.8 變換到接近正態(tài)性
練習
參考文獻
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
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(guān)測值缺損時(shí)均值向量的推斷
5.8 多元觀(guān)測中由時(shí)間相依性造成的困難
補充5A作為p維橢球投影的聯(lián)合置信區間與置信橢圓
練習
參考文獻
第6章 多個(gè)多元均值向量的比較
6.1 引言
6.2 成對比較與重復測量設計
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 處理效應的聯(lián)合置信區間
6.6 協(xié)方差矩陣相等性的檢驗
6.7 雙岡子多元方差分析
6.8 輪廓分析
6.9 重復測量設計和生長(cháng)曲線(xiàn)
6.10 對分析多元模型的展望和建議
練習
參考文獻
第7章 多元線(xiàn)性回歸模型
7.1 引言
7.2 經(jīng)典線(xiàn)性回歸模型
7.3 最小二乘估計
7.4 回歸模型的推斷
7.5 由估計的回歸函數作推斷
7.6 模型檢查及回歸中的其他問(wèn)題
7.7 多元多重回歸
7.8 線(xiàn)性回歸的概念
7.9 比較回歸模型的兩種表達方式
7.10 有時(shí)間相關(guān)誤差的多重回歸模型
補充7A多元多重回歸模型的似然比的分布
練習
參考文獻
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 用主成分監控質(zhì)量
補充8A樣本主成分近似的幾何意義
練習
參考文獻
第9章 因子分析與對結構性協(xié)方差矩陣的推斷
9.1 引言
9.2 正交因子模型
9.3 估計方法
9.4 因子旋轉
9.5 因子得分
9.6 因子分析的展望和建議
補充9 A極大似然估計的某些計算細節
練習
參考文獻
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
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
10.5 其他樣本描述性度量
10.6 大樣本推斷
練習
參考文獻
第11章 判別與分類(lèi)
11.1 引言
11.2 兩個(gè)總體的分離與分類(lèi)
11.3 兩個(gè)多元正態(tài)總體的分類(lèi)
11.4 評估分類(lèi)函數
11.5 多個(gè)總體的分類(lèi)
11.6 對多個(gè)總體進(jìn)行判別的費希爾方法
11.7 邏輯斯蒂回歸與分類(lèi)
11.8 最后的評述
練習
參考文獻
第12章 聚類(lèi)、距離方法與多維標度變換
12.1 引言
12.2 相似性量度
12.3 分層聚類(lèi)方法
12.4 非分層聚類(lèi)方法
12.5 基于統計模型的聚類(lèi)
12.6 多維標度變換
12.7 對應分析
12.8 用于觀(guān)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)結構的方法
補充12 A數據挖掘
練習
參考文獻
附錄
1.1 引言
1.2 多元方法的應用
1.3 數據的組織
1.4 數據的展示及圖表示
1.5 距離
1.6 最終評注
練習
參考文獻
第2章 矩陣代數與隨機向量
2.1 引言
2.2 矩陣和向量代數基礎
2.3 正定矩陣
2.4 平方根矩陣
2.5 隨機向量和矩陣
2.6 均值向量和協(xié)方差矩陣
2.7 矩陣不等式和極大化
補充2A向量與矩陣：基本概念
練習
參考文獻
第3章 樣本幾何與隨機抽樣
3.1 引言
3.2 樣本幾何
3.3 隨機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 作為矩陣運算的樣本均值、協(xié)方差與相關(guān)系數
3.6 變量的線(xiàn)性組合的樣本值
練習
參考文獻
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
4.4 X和s的抽樣分布
4.5 X和S的大樣本特性
4.6 評估正態(tài)性假定
4.7 搜尋離群值及“清潔”數據
4.8 變換到接近正態(tài)性
練習
參考文獻
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
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(guān)測值缺損時(shí)均值向量的推斷
5.8 多元觀(guān)測中由時(shí)間相依性造成的困難
補充5A作為p維橢球投影的聯(lián)合置信區間與置信橢圓
練習
參考文獻
第6章 多個(gè)多元均值向量的比較
6.1 引言
6.2 成對比較與重復測量設計
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 處理效應的聯(lián)合置信區間
6.6 協(xié)方差矩陣相等性的檢驗
6.7 雙岡子多元方差分析
6.8 輪廓分析
6.9 重復測量設計和生長(cháng)曲線(xiàn)
6.10 對分析多元模型的展望和建議
練習
參考文獻
第7章 多元線(xiàn)性回歸模型
7.1 引言
7.2 經(jīng)典線(xiàn)性回歸模型
7.3 最小二乘估計
7.4 回歸模型的推斷
7.5 由估計的回歸函數作推斷
7.6 模型檢查及回歸中的其他問(wèn)題
7.7 多元多重回歸
7.8 線(xiàn)性回歸的概念
7.9 比較回歸模型的兩種表達方式
7.10 有時(shí)間相關(guān)誤差的多重回歸模型
補充7A多元多重回歸模型的似然比的分布
練習
參考文獻
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 用主成分監控質(zhì)量
補充8A樣本主成分近似的幾何意義
練習
參考文獻
第9章 因子分析與對結構性協(xié)方差矩陣的推斷
9.1 引言
9.2 正交因子模型
9.3 估計方法
9.4 因子旋轉
9.5 因子得分
9.6 因子分析的展望和建議
補充9 A極大似然估計的某些計算細節
練習
參考文獻
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
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
10.5 其他樣本描述性度量
10.6 大樣本推斷
練習
參考文獻
第11章 判別與分類(lèi)
11.1 引言
11.2 兩個(gè)總體的分離與分類(lèi)
11.3 兩個(gè)多元正態(tài)總體的分類(lèi)
11.4 評估分類(lèi)函數
11.5 多個(gè)總體的分類(lèi)
11.6 對多個(gè)總體進(jìn)行判別的費希爾方法
11.7 邏輯斯蒂回歸與分類(lèi)
11.8 最后的評述
練習
參考文獻
第12章 聚類(lèi)、距離方法與多維標度變換
12.1 引言
12.2 相似性量度
12.3 分層聚類(lèi)方法
12.4 非分層聚類(lèi)方法
12.5 基于統計模型的聚類(lèi)
12.6 多維標度變換
12.7 對應分析
12.8 用于觀(guān)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)結構的方法
補充12 A數據挖掘
練習
參考文獻
附錄
熱門(mén)推薦文章
相關(guān)優(yōu)評榜
1
杰士派
相關(guān)排行榜
京公網(wǎng)安備 11000002000088號
