内容簡介
《數據分析方法》是為高等院校信息與計算科學專業本科生“數據分析課程”編寫的教材，内容涉及常用統計數據分析的基本内容與方法，包括數據的描述性分析、線性回歸分析、方差分析、主成分分析和典型相關分析、判别分析、聚類分析、Bayes統計分析等。另外，對SAS軟件的基本内容以及與以上内容有關的SAS過程做了簡介，以便于各種方法的實際應用。各章均配備了豐富的有實際應用背景的習題。《數據分析方法》也可作為高等院校統計專業的本科生和非數學類碩士研究生教材以及數據分析工作者的參考書。
數據分析一般的四個步驟：1）需求分析 2）概念結構分析 3）邏輯結構分析 4）物理結構分析
概念結構分析就是我們常見的E-R圖模型；邏輯結構分析是将概念結構分析所得到的概念模型轉換為具體DBMS所能支持的數據模型；物理結構分析就是具體的表結構。
作品目錄
第1章 數據描述性分析
1.1 一維數據的數字特征
1.1.1 表示位置的數字特征
1.1.2 表示分散性的數字特征
1.1.3 表示分布形狀的數字特征
1.2 數據的分布
1.2.1 直方圖、經驗分布函數與QQ圖
1.2.2 莖葉圖
1.2.3 數據的分布拟合檢驗與正态性檢驗
1.3 多維數據的數字特征及相關分析
1.3.1 二維數據的數字特征及相關系數
1.3.2 多維數據的數字特征及相關矩陣
1.3.3 總體的數字特征、相關矩陣及多維正态分布
習題1
第2章 線性回歸分析
2.1 線性回歸模型及其參數估計
2.1.1 線性回歸模型及其矩陣表示
2.1.2 參數估計及其性質
2.2 統計推斷與預測
2.2.1 回歸方程的顯著性檢驗
2.2.2 回歸系數的統計推斷
2.2.3 預測及其統計推斷
2.2.4 與回歸系數有關的假設檢驗的一般方法
2.3 殘差分析
2.3.1 誤差項的正态性檢驗
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 兩因素等重複試驗下的方差分析
3.2.1 統計模型
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 兩因素非重複試驗下的方差分析
習題3
第4章 主成分分析與典型相關分析
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 典型相關分析
4.2.1 引言
4.2.2 總體的典型變量與典型相關
4.2.3 樣本的典型變量與典型相關
4.2.4 典型相關系數的顯著性檢驗
習題4
第5章 判别分析
5.1 距離判别
5.1.1 兩個總體的距離判别
5.1.2 判别準則的評價
5.1.3 多個總體的距離判别
5.2 Baves判别
5.2.1 Bayes判别的基本思想
5.2.2 兩個總體的Beyes判别
5.2.3 多個總體的Beyes判别
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統計分析
7.1 Baves統計模型
7.1.1 Bayes統計分析的基本思想
7.1.2 Bayes統計模型
7.1.3 Bayes統計推斷原則
7.1.4 先驗分布的Bayes假設與不變先驗分布
7.1.5 共轭先驗分布
7.1.6 先驗分布中超參數的确定
7.2 Baves統計推斷
7.2.1 參數的Bayes點估計
7.2.2 Bayes區間估計
7.2.3 Bayes假設檢驗
習題7
第8章 SAS軟件及有關數據分析過程簡介
8.1 SAS基本内容簡介
8.1.1 數據的輸入與輸出
8.1.2 利用已有的SAS數據集建立新的SAS數據集
8.1.3 SAS系統的數學運算符号及常用的SAS函數
8.1.4 邏輯語句與循環語句
8.2 與本書内容有關的SAS過程簡介
8.2.1 幾種描述性統計分析的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 典型相關分析的sAS過程——PROC CANC0RR過程
8.2.6 判别分析的SAS過程——PR0C DISCRIM過程
8.2.7 聚類分析的SAS過程
8.2.8 SAS系統的矩陣運算編程語言——PROC IML過程簡介
主要參考文獻
