多元数据分析原理与实践

　　本书是多元数据分析的基础教材，内容涵盖方差分析、总体分布和独立性检验、矩阵的奇异值分解、 多元线性回归分析、主成分分析、因子分析、聚类分析、多维标度分析、判别分析、逻辑回归分析、典 型相关分析等多元数据分析的核心内容。写作上力求深入浅出、循序渐进，既照顾学生的理解能力与学 习兴趣，又考虑内容的全面性与深度。本书在内容取舍、习题选择等方面依据作者的教学经验做了仔细 考虑，同时参考国内外的经典教材与文献，力求做到与时俱进，能够与前置和后续课程很好地衔接。 书 中除了方法原理讲解外，还有大量计算和应用实例，并附有完整的 MATLAB 代码和数据集，以及详细 的使用说明和代码注释，读者能够很容易地实现所学方法。每章末尾均有拓展阅读建议，供学有余力或 有兴趣的学生参考。此外，本书还配有用 LaTeX 精心制作的 PDF 课件，方便授课教师使用。 本书可作为基础数学、概率统计、应用数学、大数据、管理科学与工程、金融工程等专业的本科教 材，也可作为相关专业研究生基础课程的教材或参考书。

暂缺《多元数据分析原理与实践》作者简介

第1章  导论与预备知识  1
1.1  数据分析的研究对象  1
1.2  向量空间  3
1.3  范数  7
1.4  内积空间  9
1.5  线性变换  12
1.6  特征值与特征向量  16
1.7  正交补空间和保范变换  23
1.8  多维随机变量  26
1.8.1  随机向量的分布和独立性  26
1.8.2  随机向量的数字特征  28
1.8.3  多维正态分布  29
1.9  多元统计量及抽样分布  36
1.9.1  总体、样本和统计量  36
1.9.2  估计量的评价标准  38
1.9.3  常用的多元抽样分布  41
拓展阅读建议  44
第1章习题  44
第2章  方差分析  46
2.1  单变量的均值检验  46
2.2  单变量的方差分析  49
2.3  多元均值检验  54
2.4  多元方差分析  59
2.5  协方差矩阵相等的检验  62
2.6  MATLAB方差分析工具  64
拓展阅读建议  67
第2章习题  68
第3章  关于总体分布的检验和独立性检验  69
3.1  拟合优度检验  69
3.1.1  多项分布的中心极限定理  69
3.1.2  拟合优度检验  71
3.1.3  理论分布中含有未知参数的拟合优度检验  75
3.2  正态性检验  78
3.2.1  图示法  79
3.2.2  拟合优度检验  85
3.2.3  Kolmogorov-Smirnov检验  87
3.2.4  偏度和峰度  89
3.2.5  Jarque-Bera检验  91
3.3  独立性检验  92
3.3.1  引例  92
3.3.2  列联表分析  94
拓展阅读建议  96
第3章习题  96
第4章  奇异值分解  99
4.1  奇异值分解定理  99
4.2  几何解释  104
4.3  应用  106
4.3.1  矩阵的低秩逼近和数据压缩  106
4.3.2  超定线性方程组和矩阵的伪逆  112
拓展阅读建议  114
第4章习题  114
第5章  多元线性回归分析  116
5.1  线性回归模型  116
5.2  最小二乘估计  117
5.3  几何解释  123
5.4  偏相关系数  126
5.5  线性回归模型的推断及评价  134
5.6  实例  137
拓展阅读建议  140
第5章习题  140
第6章  主成分分析  142
6.1  概述  142
6.2  数学模型  143
6.3  主成分模型的解  144
6.4  主成分的性质  147
6.5  主成分分析的计算实现  150
6.6  实践中需要考虑的问题  154
6.6.1  适合用主成分法降维的数据  154
6.6.2  是否先对数据进行标准化处理  156
6.6.3  应该保留多少个主成分  156
6.7  实例  161
拓展阅读建议  164
第6章习题  164
第7章  因子分析  165
7.1  概述  165
7.2  数学模型  167
7.3  因子模型的参数估计  168
7.3.1  主成分法  169
7.3.2  主因子法  171
7.3.3  极大似然估计  173
7.3.4  三种参数估计法的比较  176
7.4  因子旋转  179
7.4.1  基本思想  179
7.4.2  因子旋转方法  180
7.4.3  应用实例  182
7.5  因子得分的估计  186
7.5.1  最小二乘法  186
7.5.2  加权最小二乘估计  187
7.5.3  回归法  188
7.5.4  因子正交旋转对因子得分的影响  189
7.5.5  应用实例  189
拓展阅读建议  193
第7章习题  193
第8章  聚类分析  195
8.1  概述  195
8.2  相似性度量  196
8.2.1  距离  196
8.2.2  相似系数  198
8.2.3  用MATLAB计算距离矩阵和不相似度矩阵  199
8.3  系统聚类法  201
8.3.1  常用的系统聚类法  201
8.3.2  系统聚类法的步骤  205
8.3.3  系统聚类的实现  208
8.3.4  系统聚类法的性质  212
8.4  K-均值聚类  213
8.4.1  基本思想与算法  213
8.4.2  MATLAB实现  214
8.5  聚类分析实践中常遇到的问题  216
8.5.1  变量的选取  216
8.5.2  确定类的个数  216
8.5.3  聚类结果的解释  218
拓展阅读建议  220
第8章习题  220
第9章  多维标度分析  221
9.1  概述  221
9.2  多维标度分析的古典解  222
9.2.1  基本概念  222
9.2.2  欧氏距离结构的充要条件  223
9.2.3  多维标度分析的古典解  227
9.2.4  计算实例  228
9.3  多维标度分析的古典解与主成分的联系  233
9.4  非度量多维标度分析  235
9.4.1  概念及原理  235
9.4.2  实现  238
拓展阅读建议  241
第9章习题  241
第10章  判别分析和逻辑回归分析  243
10.1  概述  243
10.2  两个总体的判别分析  244
10.2.1  判别模型  244
10.2.2  正态总体的平均错判成本最小判别法  245
10.2.3  应用实例  247
10.3  多个总体的判别分析  253
10.3.1  后验概率和Bayes公式  253
10.3.2  Bayes判别法  254
10.3.3  平均错判成本最小判别法  255
10.3.4  计算实例  257
10.4  Fisher线性判别分析  262
10.4.1  基本思想  262
10.4.2  Fisher线性判别函数  263
10.4.3  计算实例  266
10.4.4  MATLAB的判别分析函数  270
10.5  逻辑回归模型  271
10.5.1  基本思想及数学模型  271
10.5.2  模型参数估计  272
10.5.3  利用逻辑回归模型分类  273
10.5.4  假设检验  274
10.5.5  应用实例  275
10.6  多分类的softmax回归模型  278
10.6.1  模型与参数估计方法  278
10.6.2  应用实例  279
拓展阅读建议  281
第10章习题  281
第11章  典型相关分析  284
11.1  概述  284
11.2  数学模型及求解  285
11.2.1  数学模型  285
11.2.2  模型求解  286
11.2.3  典型相关系数的显著性检验  289
11.3  MATLAB实现及应用实例  289
11.3.1  MATLAB实现  289
11.3.2  应用实例  293
拓展阅读建议  295
第11章习题  296
附录A  2分布、t分布和F分布  298
附录B  多元正态总体参数的极大似然估计  305
附录C  顺序统计量和经验分布函数  309
C.1  顺序统计量  309
C.2  经验分布函数  311
附录D  矩阵函数的求导公式  317
部分习题答案  321 
参考文献  336