店铺推荐
【内容】
在大数据、人工智能时代，统计学理论与方法广泛应用于工作与生活的方方面面。本书将实用的统计理论与流行的MINITAB软件操作相结合来解决实际中遇到的各种复杂问题。例如，某个区域种植了不同作物，根据遥感卫星收集的该区域作物的各种观测数据，我们可以分析该区域的作物种类并给出判别结论。又如，某生产过程有多项关键指标需要监控，我们可以建立这些指标的控制图，并给出包含多项指标的过程能力指数以改进过程管理能力。这是本书第一部分多元统计分析讨论的问题。在实际工作中，产品不但要具有高技术性能，还要具有高可靠性。即使我们用严苛环境加速零件的失效，在寿命试验预定结束时间后仍有尚未失效的零件，此时需要对这种含有右删失的数据进行统计分析推断，以确定产品的可靠性。这是本书第二部分可靠性与生存分析讨论的问题。从我们记录的某市十年来空气中某类气体的逐日浓度数据可以粗略看出，空气质量有随季节而周期变化的趋势，我们可以据此预测该市下一年的空气质量状况。这是本书第三部分时间序列分析讨论的问题。
本书注重对统计思想和基本方法的系统梳理和讲解，强化统计工具的运用，不强调公式与理论的推导。本书使用通行的MINITAB软件R18版本，并为增补该软件功能编写了若干新宏指令，致力于帮助读者更快更好地解决具体问题。
本书注重对统计思想和基本方法的系统梳理和讲解，强化统计工具的运用，不强调公式与理论的推导。本书使用通行的MINITAB软件R18版本，并为增补该软件功能编写了若干新宏指令，致力于帮助读者更快更好地解决具体问题。
【目录】
第1篇 多元统计分析
准备知识
0.1 矩阵概念
0.2 矩阵简单运算
0.3 矩阵的特征分解
0.4 矩阵分块
第1章 多元正态分布及其统计分析
1.1 多元正态分布的概念及其参数估计
1.2 多元正态总体的参数检验
1.3 多元方差分析
1.4 多元质量控制图
1.5 多元正态随机数的产生方法
第2章 判别分析
2.1 判别分析的概念
2.2 判别分析的原理
2.3 判别分析的计算与实例
2.4 用Logistic回归作判别分析
第3章 聚类分析
3.1 聚类分析的概念
3.2 距离和相似系数
3.3 观测值系统聚类法
3.4 动态聚类法
3.5 变量聚类方法
第4章 主成分分析
4.1 主成分分析的概念
4.2 主成分分析的原理
4.3 主成分分析的计算与实例
4.4 主成分聚类和主成分回归
第5章 因子分析
5.1 因子分析模型
5.2 因子分析模型的参数估计
5.3 因子旋转和因子得分
5.4 因子分析的计算与实例
第6章 对应分析
6.1 对应分析的概念
6.2 简单对应分析的原理
6.3 简单对应分析的计算与实例
6.4 多重对应分析的计算与实例
6.5 多元统计分析汇总
第2篇 可靠性与生存分析
第7章 可靠性概念
7.1 可靠性工程概论
7.2 可靠性的度量
7.3 删失数据
第8章 常用寿命分布及其识别
8.1 常用寿命分布
8.2 参数分布的选择
第9章 常用寿命分布分析的参数方法
9.1 常用寿命分布分析
9.2 参数分析方法的计算与实例
第10章 常用寿命分布分析的非参数方法
10.1 估计可靠度函数的非参数方法
10.2 比较两个或多个生存分布的非参数方法
10.3 非参数分析方法的计算与实例
第11章 加速寿命试验及其统计分析方法
11.1 加速寿命试验的基本理论
11.2 加速寿命试验分析的计算与实例
第12章 有关可靠性的其他专题
12.1 寿命数据的回归分析
12.2 退化模型的寿命分析
12.3 概率单位分析
12.4 寿命数据的增长曲线分析
12.5 寿命数据的保证分析
12.6 抽样验收及样本量的计算
12.7可靠性与生存分析汇总
第3篇时间序列分析
第13章 时间序列分析概念
13.1 时间序列分析基本概念
13.2 趋势分析
13.3 分解模型
第14章 时间序列平滑方法
14.1 移动平均
14.2 单参数指数移动平均
14.3 双参数指数移动平均
14.4 Winters方法
第15章 ARIMA 模型
15.1 自相关函数与偏自相关函数
15.2 AR（p）模型
15.3 MA（q）模型
15.4 ARMA（p，q）模型
15.5 ARIMA（p，d，q）模型
15.6 多元时间序列分析简介
15.7 时间序列分析在控制图中的应用
参考文献
准备知识
0.1 矩阵概念
0.2 矩阵简单运算
0.3 矩阵的特征分解
0.4 矩阵分块
第1章 多元正态分布及其统计分析
1.1 多元正态分布的概念及其参数估计
1.2 多元正态总体的参数检验
1.3 多元方差分析
1.4 多元质量控制图
1.5 多元正态随机数的产生方法
第2章 判别分析
2.1 判别分析的概念
2.2 判别分析的原理
2.3 判别分析的计算与实例
2.4 用Logistic回归作判别分析
第3章 聚类分析
3.1 聚类分析的概念
3.2 距离和相似系数
3.3 观测值系统聚类法
3.4 动态聚类法
3.5 变量聚类方法
第4章 主成分分析
4.1 主成分分析的概念
4.2 主成分分析的原理
4.3 主成分分析的计算与实例
4.4 主成分聚类和主成分回归
第5章 因子分析
5.1 因子分析模型
5.2 因子分析模型的参数估计
5.3 因子旋转和因子得分
5.4 因子分析的计算与实例
第6章 对应分析
6.1 对应分析的概念
6.2 简单对应分析的原理
6.3 简单对应分析的计算与实例
6.4 多重对应分析的计算与实例
6.5 多元统计分析汇总
第2篇 可靠性与生存分析
第7章 可靠性概念
7.1 可靠性工程概论
7.2 可靠性的度量
7.3 删失数据
第8章 常用寿命分布及其识别
8.1 常用寿命分布
8.2 参数分布的选择
第9章 常用寿命分布分析的参数方法
9.1 常用寿命分布分析
9.2 参数分析方法的计算与实例
第10章 常用寿命分布分析的非参数方法
10.1 估计可靠度函数的非参数方法
10.2 比较两个或多个生存分布的非参数方法
10.3 非参数分析方法的计算与实例
第11章 加速寿命试验及其统计分析方法
11.1 加速寿命试验的基本理论
11.2 加速寿命试验分析的计算与实例
第12章 有关可靠性的其他专题
12.1 寿命数据的回归分析
12.2 退化模型的寿命分析
12.3 概率单位分析
12.4 寿命数据的增长曲线分析
12.5 寿命数据的保证分析
12.6 抽样验收及样本量的计算
12.7可靠性与生存分析汇总
第3篇时间序列分析
第13章 时间序列分析概念
13.1 时间序列分析基本概念
13.2 趋势分析
13.3 分解模型
第14章 时间序列平滑方法
14.1 移动平均
14.2 单参数指数移动平均
14.3 双参数指数移动平均
14.4 Winters方法
第15章 ARIMA 模型
15.1 自相关函数与偏自相关函数
15.2 AR（p）模型
15.3 MA（q）模型
15.4 ARMA（p，q）模型
15.5 ARIMA（p，d，q）模型
15.6 多元时间序列分析简介
15.7 时间序列分析在控制图中的应用
参考文献
