目录
前言

第1章概率论与矩阵代数预备

知识

1



1.1概率空间

1

1.1.1事件域1

1.1.2概率2



1.2随机变量及其分布函数3



1.3随机变量的独立性5



1.4随机变(向)量函数的分布6

1.4.1单个随机变量函数的

分布6

1.4.2单个随机向量函数的

分布6

1.4.3多个随机向量函数的

分布7



1.5黎曼斯蒂尔切斯(Riemann

Stieltjes)积分9



1.6数字特征10



1.7矩母函数和特征函数10



1.8一些常用的分布12



1.9收敛性与极限定理15



1.9.1随机变量的收敛性与连续

性定理15

1.9.2大数定律16

1.9.3中心极限定理18



1.10与矩阵代数有关的一些

知识19

1.10.1向量和矩阵20

1.10.2矩阵的分解和微商21

1.10.3随机矩阵的矩23



1.11多元正态分布24



习题127



第2章数理统计的基本概念

29



2.1数理统计的一些基本概念29



2.2统计量和样本矩31

2.2.1统计量的基本概念31

2.2.2样本矩32

2.2.3顺序统计量33

2.2.4经验分布与格列汶科

定理35



2.3抽样分布35

2.3.1正态总体样本的线性

函数的分布36

2.3.2Γ函数及Γ分布的性质36

2.3.3χ2分布37

2.3.4t分布40

2.3.5F分布42



2.4正态总体的抽样分布定理44



习题248



第3章参数估计50



3.1点估计50

3.1.1矩估计法50

3.1.2最大似然估计法52



3.2估计量的评选标准55

3.2.1无偏性55

3.2.2有效性56

3.2.3相合性57



3.3区间估计59

3.3.1正态总体均值与方差的

区间估计60

3.3.2两个正态总体参数的区间

估计64



3.4单侧置信区间68



3.5非正态总体参数的区间估计70

3.5.1指数分布参数的置信区间70

3.5.2(01)分布参数的置信

区间70

3.5.3总体均值的置信区间71

3.5.4两个总体均值之差的置信

区间72



习题373











第4章假设检验77



4.1参数假设检验77



4.2正态总体参数的假设检验79

4.2.1单正态总体均值的假设

检验79

4.2.2单正态总体方差的假设

检验84

4.2.3两个正态总体参数的假设

检验87



4.3非正态总体参数的假设检验93

4.3.1(01)分布参数的假设

检验94

4.3.2总体均值的假设检验94

4.3.3两个总体均值的假设

检验95



4.4非参数假设检验97

4.4.1分布拟合检验97

4.4.2列联表的独立性检验100



习题4103



第5章回归分析107



5.1多元线性回归模型107



5.2多元线性回归模型参数的

估计109



5.3多元线性回归假设检验112

5.3.1线性关系显著性F

检验113

5.3.2单个解释变量显著性t

检验113



5.4多元线性回归预报116



5.5多项式回归119



5.6多元线性回归模型的选择122



5.7回归诊断与岭回归127



5.8非线性回归模型134



5.9Logistic回归140



5.9.1二值Logistic回归模型

原理140

5.9.2二值变量分组数据的

Logistic模型144



习题5147



第6章方差分析和协方差

分析152



6.1单因素试验152

6.1.1基本概念152

6.1.2单因素方差分析153



6.2多重比较方法157

6.2.1D法(Dunnett)157

6.2.2T法(Tukey)158

6.2.3S法(Scheffe)159



6.3双因素方差分析161

6.3.1双因素方差分析模型161

6.3.2无交互效应的双因素方差

分析162

6.3.3有交互效应的双因素方差

分析164



6.4协方差分析169



习题6176



第7章主成分分析与因子分析181





7.1主成分分析数学模型181



7.2样本主成分及其计算184



7.2.1样本主成分184

7.2.2用SAS软件计算样本主

成分185



7.3主成分得分190



7.4主成分聚类与主成分回归197

7.4.1样本聚类197

7.4.2主成分回归199



7.5因子分析数学模型201



7.6因子分析模型参数的估计204



7.7因子旋转215



7.8因子得分221



习题7226



第8章典型相关分析229



8.1典型相关分析数学模型229



8.2用CANCORR过程计算典型

相关234



8.3典型相关用于预报238

8.3.1典型相关变量得分238

8.3.2用典型变量得分作预报243

8.3.3典型冗余分析246



习题8247

目录















第9章判别分析与聚类分析250



9.1判别分析数学模型与判别

方法250



9.2用DISCRIM过程实施最大概率

判别和贝叶斯判别256



9.3逐步判别275



9.4典型判别282



9.5聚类分析的数学模型285



9.6类间距离288



9.7系统聚类290



9.8动态聚类296



习题9303



第10章时间序列分析307



10.1时间序列分析的例子和

目的307



10.2线性时间序列模型309

10.2.1平稳序列与白噪声过程309

10.2.2ARMA模型的建模和

预测311

10.2.3ARIMA模型314

10.2.4用SAS软件中的FORECAST

过程进行快速预测320

10.2.5ARIMAX模型(带有干

预序列的ARIMA模型)326



10.3状态空间模型333



10.4条件异方差模型340

10.4.1带有确定趋势的自回归

模型340

10.4.2ARCH和GARCH模型343



10.5其他一些常见的非线性时间

序列模型353



习题10354



附录356

SAS软件简介356



1. SAS系统构成356



2. SAS系统人机会话窗口356



3. SAS程序357



4. DATA步语句358



5. PROC步360



6.常用的一些SAS过程360



7.随机数的产生364



附表365



附表1二项分布表365



附表2泊松分布表369



附表3标准正态分布表370



附表4t分布表371



附表5χ2分布表372



附表6F分布表374



各章习题答案或提示380

参考文献392


按 Ctrl+p 打印本页】【关闭