多元統(tǒng)計(jì)分析

《概率統(tǒng)計(jì)系列研究生教學(xué)叢書》序
前言
第1章 引言
習(xí)題一
第2章　多元正態(tài)分布
2.1 多元正態(tài)分布密度函數(shù)的導(dǎo)出
2.2 多元正態(tài)分布的定義
2.3 多元正態(tài)分布的性質(zhì)
2.4 相關(guān)系數(shù)和偏相關(guān)系數(shù)
2.4.1 相關(guān)系數(shù)
2.4.2 偏相關(guān)系數(shù)
2.5 矩陣多元正態(tài)分布
習(xí)題二
第3章 由多元正態(tài)分布導(dǎo)出的分布
3.1 Wishart分布
3.1.1 Wishart分布的定義
3.1.2 二階Wishart分布
3.1.3 p階Wishart分布
3.2 Wishart分布的性質(zhì)
3.3 非中心Wishart分布
3.4 Hotelling T2分布
3.4.1 中心Hotelling T2分布
3.4.2 非中心Hotelling T2分布
3.5 Wilks分布
3.6 Wilks分布的漸近展開
3.6.1 一nln（Ap，n，m）分布函數(shù)的漸近展開
3.6.2 一npln（Ap，n，m）分布函數(shù)的漸近展開
習(xí)題三
第4章 多元正態(tài)分布的參數(shù)估計(jì)
4.1 多元正態(tài)分布樣本統(tǒng)計(jì)量
4.2 多元正態(tài)分布參數(shù)的極大似然估計(jì)
4.2.1 均值和協(xié)方差陣的極大似然估計(jì)
4.2.2 樣本相關(guān)系數(shù)的抽樣分布
4.3 多元正態(tài)分布均值參數(shù)的置信域估計(jì)
4.3.1 單個(gè)多元正態(tài)分布總體
4.3.2 兩個(gè)多元正態(tài)分布總體
4.4 多元正態(tài)分布均值參數(shù)的Bayes估計(jì)
4.4.1 逆Wishart分布
4.4..2 均值參數(shù)的Bayes估計(jì)
4.5 多元正態(tài)分布參數(shù)估計(jì)的改進(jìn)
4.5.1 多元正態(tài)分布均值的常用估計(jì)的改進(jìn)
4.5.2 多元正態(tài)分布協(xié)方差陣的常用估計(jì)的改進(jìn)
習(xí)題四
第5章 多元正態(tài)分布均值的檢驗(yàn)
5.1 多元正態(tài)分布均值的檢驗(yàn)問題
5.1.1 似然比原則
5.1.2 交并原則
5.2 Hotelling T2檢驗(yàn)的優(yōu)良性
5.2.1 變換群
5.2.2 不變檢驗(yàn)
　　5.2.3 檢驗(yàn)的優(yōu)良性
5.3 兩個(gè)多元正態(tài)分布均值比較的檢驗(yàn)問題
5.3.1 似然比原則
5.3.2 交并原則
5.3.3 多元Behrens-Fisher問題
5.4 多元方差分析
5.4.1 似然比原則
5.4.2 交并原則
5.5 Wishart分布矩陣的特征根
5.5.1 正交變換
5.5.2 三角化變換
5.5.3 Wishart分布矩陣特征根的分布
5.5.4 Roy的入max統(tǒng)計(jì)量
5.6 多重比較
5.6.1 錯(cuò)誤率
5.6.2 聯(lián)合置信區(qū)間
5.6.3 Bonferroni不等式方法
5.6.4 Scheffe方法
5.6.5 Bonferroni不等式方法和Scheffe方法的比較
5.6.6 Shaffer-Holm逐步檢驗(yàn)方法
5.6.7 多元方差分析中的多重比較
5.7 多元正態(tài)分布均值變點(diǎn)的檢驗(yàn)問題
5.7.1 協(xié)方差陣∑已知時(shí)均值變點(diǎn)的似然比檢驗(yàn)
5.7.2 協(xié)方差陣∑未知時(shí)均值變點(diǎn)的似然比檢驗(yàn)
5.8 多元正態(tài)分布均值參數(shù)的有方向的檢驗(yàn)問題
5.8.1 協(xié)方差陣占=L時(shí)有方向檢驗(yàn)問題的似然比檢驗(yàn)
5.8.2 協(xié)方差陣∑已知，均值u≥Q時(shí)u的極大似然估計(jì)
5.8.3 協(xié)方差陣∑已知時(shí)有方向檢驗(yàn)問題的似然比檢驗(yàn)
5.8.4 協(xié)方差陣∑已知時(shí)有方向檢驗(yàn)問題的近似檢驗(yàn)方法
習(xí)題五
第6章 多元正態(tài)分布協(xié)方差陣的檢驗(yàn)
6.1 協(xié)方差陣等于已知正定矩陣的檢驗(yàn)問題
6.1.1 似然比檢驗(yàn)
6.1.2 無偏檢驗(yàn)
6.1.3 漸近p值
6.2 協(xié)方差陣和已知正定矩陣成比例的球形檢驗(yàn)問題
6.2.1 似然比檢驗(yàn)
6.2.2 關(guān)于漸近口值的一個(gè)基本引理
6.3 均值向量和協(xié)方差陣的聯(lián)合檢驗(yàn)問題
6.4 多個(gè)協(xié)方差陣是否相等的檢驗(yàn)問題
6.5 多個(gè)均值向量和協(xié)方差陣是否分別全都相等的檢驗(yàn)問題
6.5.1 檢驗(yàn)的分解
6.5.2 漸近p值
6.6 獨(dú)立性檢驗(yàn)問題
6.6.1 似然比檢驗(yàn)
6.6.2 條件獨(dú)立性檢驗(yàn)
習(xí)題六
第7章 線性模型
7.1 多元線性模型
7.1.1 模型
　　7.1.2 充分統(tǒng)計(jì)量
7.1.3 估計(jì)
7.1.4 最小二乘估計(jì)的三個(gè)基本定理
7.1.5 線性假設(shè)檢驗(yàn)
7.1.6 均值子集的線性假設(shè)檢驗(yàn)
7.2 多元線性回歸模型
7.2.1 模型
7.2.2 估計(jì)
7.2.3 檢驗(yàn)
7.3 重復(fù)測(cè)量模型
7.3.1 模型
7.3.2 方差分析
7.4 復(fù)合對(duì)稱結(jié)構(gòu)的檢驗(yàn)
7.4.1 單組重復(fù)測(cè)量數(shù)據(jù)
7.4.2 多組重復(fù)測(cè)量數(shù)據(jù)（無交互效應(yīng)）
7.4.3 多組重復(fù)測(cè)量數(shù)據(jù)（有交互效應(yīng)）
習(xí)題七
第8章 相關(guān)分析
8.1 復(fù)相關(guān)系數(shù)
8.1.1 總體復(fù)相關(guān)系數(shù)
8.1.2 樣本復(fù)相關(guān)系數(shù)
8.2 典型相關(guān)分析
8.2.1 總體典型相關(guān)分析
8.2.2 樣本典型相關(guān)分析
8.2.3 典型相關(guān)變量個(gè)數(shù)的檢驗(yàn)
8.3 主成分分析
8.3.1 總體主成分分析
8.3.2 R主成分分析
8.3.3 樣本主成分分析
8.3.4 主成分的統(tǒng)計(jì)推斷
8.4 因子分析
8.4.1 因子分析的引入
8.4.2 顧客滿意度指數(shù)的因子分析模型
8.4.3 正交因子模型
8.4.4 E交因子模型因子負(fù)荷矩陣和特殊因子方差的估計(jì)
8.4.5 正交因子模型協(xié)方差陣結(jié)構(gòu)的檢驗(yàn)
8.4.6 斜交因子模型
8.5 協(xié)方差選擇模型
8.5.1 模型
8.5.2 協(xié)方差選擇模型中協(xié)方差陣的估計(jì)
8.5.3 協(xié)方差選擇模型的檢驗(yàn)
習(xí)題八
第9章 判別分析與聚類分析
9. 1判別分析
9.1.1 費(fèi)希爾判別
9.1.2 馬哈拉諾比斯距離
9.1.3 費(fèi)希爾判別函數(shù)個(gè)數(shù)的檢驗(yàn)
9.2 聚類分析
9.2.1 個(gè)體聚類和變量聚類
9.2.2 距離、相似系數(shù)和匹配系數(shù)
　　9.2.3 聚類方法
9.2.4 數(shù)據(jù)變換
9.2.5 圖示法
習(xí)題九
參考文獻(xiàn)
附錄
A.1 多元特征函數(shù)
A.2 矩陣代數(shù)
A.2.1 分塊矩陣的逆矩陣和行列式
A.2.2 矩陣的廣義逆
A.3 二次型
A.3.1 向量二次型
A.3.2 矩陣二次型
A.4 矩陣?yán)焙蚄ronecker積
A.5 變換的雅可比行列式
A.5.1 雅可比行列式
A.5.2 雅可比行列式計(jì)算的簡(jiǎn)化
A.5.3 常用變換的雅可比行列式
A.6 向量和矩陣函數(shù)的求導(dǎo)及相關(guān)的極限定理
A.6.1 向量函數(shù)
A.6.2 極限定理
A.6.3 矩陣函數(shù)
A.7 指數(shù)分布族及其性質(zhì)
A.7.1 指數(shù)分布族
A.7.2 指數(shù)分布族的分析性質(zhì)
A.8 二次型極值
A.9 Wishart分布密度函數(shù)
A.9.1 許氏公式
A.9.2 變換群的不變測(cè)度
A.10 Bonferroni不等式方法和scheffe方法的比較
A.10.1 單個(gè)正態(tài)分布均值的多重比較
A.10.2 多元方差分析中的多重比較
A.11 條件獨(dú)立性
附表