新書推薦：
《
深度学习详解
》
售價：HK$
114.8
《
李白传（20世纪文史学家李长之经典传记）
》
售價：HK$
45.8
《
津轻：日本无赖派文学代表太宰治自传性随笔集
》
售價：HK$
66.7
《
河流之齿
》
售價：HK$
59.8
《
新经济史革命：计量学派与新制度学派
》
售價：HK$
89.7
《
盗墓笔记之秦岭神树4
》
售價：HK$
57.3
《
战胜人格障碍
》
售價：HK$
66.7
《
逃不开的科技创新战争
》
售價：HK$
103.3
|
| 內容簡介： |
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、非参数秩方法、回归分析、主成分分析与因子分析、判别分析、聚类分析、时间序列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.
|
| 目錄：
|
第1章 数据描述性分析1
11 数据的数字特征1
111 均值、方差等数字特征1
112 中位数、分位数、三均值与极差7
12 数据的分布11
121 直方图、经验分布函数与QQ图12
122 茎叶图、箱线图及五数总括16
123 正态性检验与分布拟合检验21
13 多元数据的数字特征与相关分析27
131 二元数据的数字特征及相关系数27
132 多元数据的数字特征及相关矩阵31
133 总体的数字特征及相关矩阵33
习题42
第2章 非参数秩方法47
21 两种处理方法比较的秩检验47
211 两种处理方法比较的随机化模型及秩的零分布48
212 Wilcoxon秩和检验49
213 总体模型的Wilcoxon秩和检验58
214 Smirnov检验59
22 成对分组设计下两种处理方法的比较63
221 符号检验64
222 Wilcoxon符号秩检验66
223 分组设计下两处理方法比较的总体模型72
23 多种处理方法比较的KruskalWallis检验73
231 多种处理方法比较中秩的定义及KruskalWallis统计量73
232 KruskalWallis统计量的零分布74
24 分组设计下多种处理方法的比较78
241 分组设计下秩的定义及其零分布78
242 Friedman检验78
243 改进的Friedman检验82
习题85
第3章 回归分析89
31 线性回归模型89
311 线性回归模型及其矩阵表示89
312 β；及σ；2的估计90
313 有关的统计推断91
32 逐步回归法100
33 Logistic回归模型108
331 线性Logistic回归模型108
332 参数的似然估计与NewtonRaphson迭代解法110
333 Logistic模型的统计推断115
习题120
第4章 主成分分析与因子分析124
41 主成分分析124
411 引言124
412 总体主成分125
413 样本主成分131
42 因子分析137
421 引言137
422 正交因子模型138
423 参数估计方法141
424 主成分估计法的具体步骤143
425 方差的正交旋转146
426 因子得分149
习题151
第5章 判别分析155
51 距离判别155
511 判别分析的基本思想及意义155
512 两个总体的距离判别156
513 判别准则的评价160
514 多个总体的距离判别163
52 Bayes判别166
521 Bayes判别的基本思想166
522 两个总体的Bayes判别167
523 多个总体的Bayes判别177
524 逐步判别简介182
习题183
第6章 聚类分析192
61 距离与相似系数192
611 聚类分析的基本思想及意义192
612 样品间的相似性度量——距离193
613 变量间的相似性度量——相似系数195
62 谱系聚类法198
621 类间距离198
622 类间距离的递推公式199
623 谱系聚类法的步骤201
624 变量聚类212
63 快速聚类法214
631 快速聚类法的步骤215
632 用Lm距离进行快速聚类223
习题227
第7章 时间序列分析233
71 平稳时间序列233
711 时间序列分析及其意义233
712 随机过程概念及其数字特征233
713 平稳时间序列与平稳随机过程238
714 平稳性检验及自协方差函数、自相关函数的估计241
72 ARMA时间序列及其特性243
721 ARMA时间序列的定义243
722 ARMA序列的平稳性与可逆性246
723 ARMA序列的相关特性249
73 ARMA时间序列的建模与预报258
731 ARMA序列参数的矩估计258
732 ARMA序列参数的精估计261
733 ARMA模型的定阶与考核269
734 平稳线性小均方预报273
735 ARMA序列的预报276
74 ARIMA序列与季节性序列281
741 ARIMA序列及其预报281
742 季节性序列及其预报288
习题295
第8章 常用数据分析方法的SAS过程简介301
81 SAS系统简介301
811 建立SAS数据集302
812 利用已有的SAS数据集建立新的SAS数据集307
813 SAS系统的数学运算符号及常用的SAS函数310
814 逻辑语句与循环语句312
82 常用数据分析方法的SAS过程314
821 几种描述性统计分析的SAS过程315
822 非参数秩方法的SAS过程323
823 回归分析的SAS过程327
824 主成分分析与因子分析的SAS过程333
825 判别分析的SAS过程335
826 聚类分析的SAS过程341
827 时间序列分析的SAS过程——PROC ARIMA过程346
828 SAS系统的矩阵运算——PROC IML过程简介351
主要参考文献354
数据分析（第二版）
|
| 內容試閱：
|
数据分析是信息科学专业本科生重要的必修课.本书是高等院校信息科学专业本科生教材，也适用于数理统计专业的本科生.本书的特点是既重视数据分析的基本理论与方法的介绍，又重视应用SAS软件进行实际的分析计算.
在本书版的基础上，我们对第二版内容进行了精选.本书第二版的主要内容是：数据的描述性分析、非参数秩方法、回归分析、主成分分析与因子分析、判别分析、聚类分析、时间序列分析.数据的描述性分析与非参数秩方法讨论数据的数据特征与分布的描述，数据统计推断的非参数秩方法.多元数据分析是数据分析极为重要的方面，在经济、工业、农业、国防、科学技术等领域有广泛的应用.除回归分析、主成分分析、判别分析、聚类分析外，本书第二版补充了因子分析的内容.时间序列分析也是数据分析极为重要的方面，系统介绍时间序列分析的基本内容是本书的特点之一.
本教材的计划学时约72学时，内容的选择是模块式的，各校可以根据具体情况予以选择.其中，数据的描述性分析、回归分析是基本的，主成分分析与因子分析、判别分析、聚类分析可以全学或选学一部分，非参数秩方法与时间序列分析也可以全学或选学一部分.
本书第二版精选了各章的例题与习题.在应用题方面，选用了许多近年的统计数据的例题与习题.
本书与SAS软件系统紧密结合.SAS软件系统在数据分析与统计分析领域被誉为国际标准软件系统 ，并被广泛应用于各个领域.通过对各种典型例题采用各种不同方法进行分析计算，以培养学生分析、解决实际问题的能力.目前，主要有SAS 82、SAS 90、SAS 91软件系统，拥有上述任何一种SAS软件系统皆可进行本书的教学.大部分习题要通过SAS软件系统计算完成.本书第8章较系统地介绍与本书有关的SAS过程，并结合本书部分例题进行编程.第8章介绍了建立SAS数据集与SAS数据库的方法，强调调用SAS数据库中的SAS数据集进行SAS编程的方法.这种调用SAS数据集的方法使得SAS程序具有普遍性与通用性.
本书第二版备有电子教案.电子教案的内容包括：①《数据分析幻灯片》，包含各章教学幻灯片；②《数据分析例题与习题》，包含全部例题与习题的SAS程序；③《SJFX》，包含书中全部例题与习题用的SAS数据集。电子教案的推出将为教学带来极大方便。
本书第二版的出版得到科学出版社编辑鞠丽娜同志的指导与帮助，谨表诚挚的感谢.本书第二版又得到北京金晨晖科技有限公司陈强同志的协助支持，谨表示感谢.
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
