本书介绍了数据分析的基本内容与方法,其特点是既重视数据分析的基本理论与方法的介绍,又强调应用计算机软件SAS进行实际分析和计算能力的培养,主要内容有:数据描述性分析、非参数方法、回归分析、主成分析、判别分析、聚类分析、时间序列 分析、Bayes统计分析以及常用数据分析方法的SAS过程简介,本书每章末附有大量实用、丰富的习题,并要求学生独立上机完成。
本书可作为高等院校信息科学及数理统计专业的本科生教材,也可供有关专业的研究生及工程技术人员参考。

第1章 数据描述性分析
1.1 数据的数字特征
1.1.1 均值、方差等数字特性
1.1.2 中位数、分位数、三均值与极差
1.2 数据的分布
1.2.1 直方图、经验分布函数���QQ图
1.2.2 茎叶图、箱线图及五数总括
1.2.3 正态性检验与分布拟合检验
1.3 多元数据的数字特征与相关分析
1.3.1 二元数据的数字特征及相关系数
1.3.2 多元数据的数字特征及相关矩阵
1.3.3 总体的数字特征及相关矩阵
习题一
第2章 非参数方法
2.1 两种处理方法比较的秩检验
2.1.1 两种处理方法比较的随机化模型及秩的零分布
2.1.2 Wilcoxon秩和检验
2.1.3 总体模型的Wilcoxon秩和检验
2.1.4 Smirnov检验
2.2 成对分组设计下两种处理方法的比较
2.2.1 符号检验
2.2.2 Wilcoxon符号秩检验
2.2.3 分组设计下两处理方法比较的总体模型
2.3 多种处理方法比较的Krukal-Wallis检验
2.3.1 多种处理方法比较中秩的定义及Kruskal-Wallis统计量
2.3.2 Kruskal-Wallis统计量的零分布
2.4 分组设计下多种处理方法的比较
2.4.1 分组设计下秩的定义及其零分布
2.4.2 Friedman检验
2.4.3 改进的Friedman检验
2.5 列联表的独立性检验
2.5.1 定性变量与列联表
2.5.2 二维r X s列联表的独立性检查
2.5.3 三维r X s X t列联表的独立性检验
习题二
第3章 回归分析
3.1 线性回归模型
3.1.1 线性回归模型及其矩阵表示
3.1.2 估计
3.1.3 有关的统计推断
3.2 残差分析
3.2.1 误差项的正态性检验
3.2.2 残差图分析
3.3 回归方程的选取与系统建模概述
3.3.1 穷举法
3.3.2 逐步回归法
3.3.3 系统建模过程概述
3.4 Logistic回归模型
3.4.1 线性Logistic回归模型
3.4.2 参数的*大似然估计与Newton-Raphson迭代解法
3.4.3 Logistic模型的统计推断
习题三
第4章 主成分分析
4.1 引言
4.2 总体主成分
4.2.1 总体主成分的定义
4.2.2 总体主成分的求法
4.2.3 总体主成分的性质
4.2.4 标准化变量的主成分
4.3 样本主成分
习题四
第5章 判别分析
……
第6章 聚类分析
第7章 时间序列分析
第8章 Bayes统计分析
第9章 常用数据分析方法的SAS过程简介
常用统计数值表
主要参考文献