关注微信

推荐商品

    加载中... 正在为您读取数据...
分享到:
  • 数据分析方法[平装]
  • 共1个商家     26.40元~26.40
  • 作者:梅长林(编者),范金城(编者)
  • 出版社:高等教育出版社;第1版(2006年2月1日)
  • 出版时间:
  • 版次 :
  • 印刷时间:
  • 包装:
  • ISBN:9787040186840

  • 商家报价
  • 简介
  • 评价
  • 加载中... 正在为您读取数据...
  • 商品描述

    编辑推荐

    《数据分析方法》为普通高等学校信息与计算科学专业系列丛书,普通高等教育“十一五”国家级规划教材之一。

    目录

    第1章 数据描述性分析
    1.1 一维数据的数字特征
    1.1.1 表示位置的数字特征
    1.1.2 表示分散性的数字特征
    1.1.3 表示分布形状的数字特征
    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
    1.2.3 数据的分布拟合检验与正态性检验
    1.3 多维数据的数字特征及相关分析
    1.3.1 二维数据的数字特征及相关系数
    1.3.2 多维数据的数字特征及相关矩阵
    1.3.3 总体的数字特征、相关矩阵及多维正态分布
    习题1

    第2章 线性回归分析
    2.1 线性回归模型及其参数估计
    2.1.1 线性回归模型及其矩阵表示
    2.1.2 参数估计及其性质
    2.2 统计推断与预测
    2.2.1 回归方程的显著性检验
    2.2.2 回归系数的统计推断
    2.2.3 预测及其统计推断
    2.2.4 与回归系数有关的假设检验的一般方法
    2.3 残差分析
    2.3.1 误差项的正态性检验
    2.3.2 残差图分析
    2.3.3 Box-cox变换
    2.4 回归方程的选取
    2.4.1 穷举法
    2.4.2 逐步回归法
    习题2

    第3章 方差分析
    3.1 单因素方差分析
    3.1.1 单因素方差分析模型
    3.1.2 因素效应的显著性检验
    3.1.3 因素各水平均值的估计与比较
    3.2 两因素等重复试验下的方差分析
    3.2.1 统计模型
    3.2.2 交互效应及因素效应的显著性检验
    3.2.3 无交互效应时各因素均值的估计与比较
    3.2.4 有交互效应时因素各水平组合(AiBj)上的均值估计与比较
    3.3 两因素非重复试验下的方差分析
    习题3

    第4章 主成分分析与典型相关分析
    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 典型相关分析
    4.2.1 引言
    4.2.2 总体的典型变量与典型相关
    4.2.3 样本的典型变量与典型相关
    4.2.4 典型相关系数的显著性检验
    习题4

    第5章 判别分析
    5.1 距离判别
    5.1.1 两个总体的距离判别
    5.1.2 判别准则的评价
    5.1.3 多个总体的距离判别
    5.2 Baves判别
    5.2.1 Bayes判别的基本思想
    5.2.2 两个总体的Beyes判别
    5.2.3 多个总体的Beyes判别
    习题5

    第6章 聚类分析
    6.1 样品间相近性的度量
    6.2 快速聚类法
    6.2.1 快速聚类法的步骤
    6.2.2 用Lm距离进行快速聚类
    6.3 谱系聚类法
    6.3.1 类间距离及其递推公式
    6.3.2 谱系聚类法的步骤
    6.3.3 变量聚类
    习题6

    第7章 Bayes统计分析
    7.1 Baves统计模型
    7.1.1 Bayes统计分析的基本思想
    7.1.2 Bayes统计模型
    7.1.3 Bayes统计推断原则
    7.1.4 先验分布的Bayes假设与不变先验分布
    7.1.5 共轭先验分布
    7.1.6 先验分布中超参数的确定
    7.2 Baves统计推断
    7.2.1 参数的Bayes点估计
    7.2.2 Bayes区间估计
    7.2.3 Bayes假设检验
    习题7

    第8章 SAS软件及有关数据分析过程简介
    8.1 SAS基本内容简介
    8.1.1 数据的输入与输出
    8.1.2 利用已有的SAS数据集建立新的SAS数据集
    8.1.3 SAS系统的数学运算符号及常用的SAS函数
    8.1.4 逻辑语句与循环语句
    8.2 与本书内容有关的SAS过程简介
    8.2.1 几种描述性统计分析的SAS过程和作图过程
    8.2.2 回归分析的SAS过程——PR0C REG过程
    8.2.3 方差分析的sAS过程——PR0C ANOVA过程
    8.2.4 主成分分析的SAS过程——PROC PRINc0MP过程
    8.2.5 典型相关分析的sAS过程——PROC CANC0RR过程
    8.2.6 判别分析的SAS过程——PR0C DISCRIM过程
    8.2.7 聚类分析的SAS过程
    8.2.8 SAS系统的矩阵运算编程语言——PROC IML过程简介
    主要参考文献

    文摘

    版权页:



    插图:



    人类认识世界往往首先将被认识的对象进行分类,例如,在经济学中,为了了解不同地区城镇居民的收入及消费情况,往往需要划分不同的类型去研究;在产品质量管理中,要根据各产品的某些重要指标而将其分为一等品、二等品等;在生物学中,要根据各生物体的综合特征进行分类;在考古学中,要将某些古生物化石进行科学的分类等等。聚类分析即是研究分类问题的数据分析方法。聚类分析与判别分析都是研究分类的,但它们有所区别。聚类分析一般寻求客观的分类方法,在进行聚类分析以前,对总体到底有几种类型并不知道。判别分析则是总体分类已给定,在总体分布或来自总体训练样本基础上,对当前的新样品判定它们属于哪个总体。然而,聚类分析与判别分析有一定联系,判别分析中的训练样本往往是从聚类分析得到的。聚类分析一般有两种类型,即按样品聚类或按变量(指标)聚类,其基本思想是通过定义样品或变量间“接近程度”的度量,以此为基础,将“相近”的样品或变量归为一类。本章首先以样品聚类为主,介绍两种常用的聚类方法——快速聚类法与谱系聚类法。最后,对变量聚类也作了简单讨论。