多元統(tǒng)計分析：寫于大數(shù)據(jù)云計算時代

第1章 緒論
1.1 多元統(tǒng)計分析方法概述
1.2 高等數(shù)學(xué)的相關(guān)理論和方法
1.3 線性代數(shù)和矩陣論知識回顧
1.4 概率論和數(shù)理統(tǒng)計簡介
1.5 多元統(tǒng)計分析數(shù)值計算程序
1.6 蘋果Mac OS X下的反冪法C語言源程序
第2章 多元線性回歸分析
2.1 多元線性回歸分析的數(shù)學(xué)模型
2.2 回歸系數(shù)的最小二乘估計
2.3 復(fù)相關(guān)系數(shù)與偏相關(guān)系數(shù)
2.4 回歸模型的顯著性檢驗(yàn)
2.5 多元線性回歸分析和偏相關(guān)分析計算實(shí)例
2.6 逐步回歸分析及計算實(shí)例
2.7 含有定性變量的回歸分析及計算實(shí)例
2.8 趨勢分析與曲線擬合
2.9 多元線性回歸分析C語言源程序
2.10 偏相關(guān)分析C語言源程序
2.11 逐步回歸分析C語言源程序
第3章 多類判別分析
3.1 條件概率的概念
3.2 Bayes準(zhǔn)則下的多類線性判別
3.3 Bayes判別分析計算實(shí)例
3.4 逐步判別分析
3.5 逐步判別分析計算實(shí)例
3.6 Fisher準(zhǔn)則下的判別分析
3.7 距離判別法
3.8 Bayes判別分析C語言源程序
3.9 逐步判別分析C語言源程序
第4章 聚類分析
4.1 原始數(shù)據(jù)預(yù)處理
4.2 度量尺度
4.3 系統(tǒng)聚類法
第5章 主成分分析
5.1 主成分分析的數(shù)學(xué)模型
5.2 主成分分析的幾何解釋
5.3 主成分的選取準(zhǔn)則
5.4 主成分分析計算步驟
5.5 主成分分析計算實(shí)例
5.6 主成分分析的應(yīng)用
5.7 主成分分析C語言源程序
第6章 因子分析
6.1 正交因子模型
6.2 因子模型各變量的統(tǒng)計意義
6.3 因子分析的統(tǒng)計檢驗(yàn)
6.4 主成分法得到的主因子解
6.5 方差最大正交旋轉(zhuǎn)
6.6 因子計量
6.7 方差最大正交因子解計算實(shí)例
6.8 探索性因子分析算例
6.9 Q型因子分析、驗(yàn)證性因子分析
6.10 主成分法得到的主因子解C語言源程序
6.11 方差最大正交因子解C語言源程序
第7章 典型相關(guān)分析
7.1 典型相關(guān)變量和典型相關(guān)系數(shù)
7.2 典型相關(guān)變量和典型相關(guān)系數(shù)的求解
7.3 典型相關(guān)變量的估計和方差貢獻(xiàn)
7.4 典型相關(guān)分析的統(tǒng)計檢驗(yàn)
7.5 典型相關(guān)分析計算實(shí)例
7.6 典型相關(guān)分析C語言源程序
第8章 線性代數(shù)方程組的數(shù)值解法
8.1 全選主元Gauss消去法
8.2 矩陣求逆的全選主元Gauss消去法
8.3 計算方陣行列式的全選主元Gauss消去法
8.4 Schmidt正交化QR分解法求解線性方程組和矩陣求逆
8.5 線性代數(shù)方程組解的穩(wěn)定性和條件數(shù)
8.6 全選主元Gauss消去法C語言源程序
8.7 Schmidt正交化QR分解法求解線性方程組C語言源程序
第9章 實(shí)矩陣特征值及對應(yīng)特征向量的數(shù)值解法
9.1 概述
9.2 實(shí)對稱矩陣全部特征值及對應(yīng)特征向量求解的Jacobi法
9.3 求一般矩陣全部特征值的Schmidt正交化QR分解法
9.4 Schmidt正交化QR分解法求解實(shí)系數(shù)代數(shù)方程的全部根（直接法）
9.5 已知特征值求解對應(yīng)特征向量的反冪法
9.6 已知特征值求解對應(yīng)特征向量的直接法
9.7 Jacobi法求解實(shí)對稱矩陣全部特征值及對應(yīng)特征向量C語言源程序
9.8 “帶原點(diǎn)位移”的Schmidt正交化QR分解法c語言源程序
9.9 已知特征值求解對應(yīng)特征向量的反冪法C語言源程序
9.10 已知特征值求解對應(yīng)特征向量的直接法C語言源程序
附錄
附表1 標(biāo)準(zhǔn)正態(tài)分布表
附表2 ￡分布表
附表3 χ2分布表
附表4 F分布表
參考文獻(xiàn)
后記