應(yīng)用統(tǒng)計(jì)學(xué)

前言
第1章 統(tǒng)計(jì)推斷
1．1 隨機(jī)變量及其分布
1．1．1 常用的隨機(jī)變量及其分布
1．1．2 隨機(jī)變量的矩
1．1．3 分位點(diǎn)
1．2 抽樣分布及其常用統(tǒng)計(jì)量的分布
1．2．1 簡單隨機(jī)樣本
1．2．2 抽樣分布
1．3 參數(shù)估計(jì)與假設(shè)檢驗(yàn)
1．3．1 參數(shù)估計(jì)
1．3．2 參數(shù)假設(shè)檢驗(yàn)
1．3．3 假設(shè)檢驗(yàn)中的兩個問題
1．4 方差分析
1．4．1 單因素試驗(yàn)的方差分析
1．4．2 雙因素試驗(yàn)的方差分析
1．5 本章小結(jié)
問題與思考
第2章 非參數(shù)統(tǒng)計(jì)分析
2．1 符號檢驗(yàn)
2．1．1 兩個總體分布是否相同的符號檢驗(yàn)
2．1．2 總體中位數(shù)M。的檢驗(yàn)
2．1．3 數(shù)據(jù)序列的趨勢存在性檢驗(yàn)
2．1．4 威爾科克森符號秩和檢驗(yàn)
2．2 秩和檢驗(yàn)法
2．3 多個樣本的檢驗(yàn)
2．3．1 克魯斯凱一沃利斯單向方差秩檢驗(yàn)
2．3．2 費(fèi)里德曼雙向方差分析
2．4 秩相關(guān)分析
2．4．1 斯皮爾曼秩相關(guān)系數(shù)
2．4．2 肯德爾-t相關(guān)系數(shù)
2．5 X2檢驗(yàn)法
2．5．1 擬合優(yōu)度檢驗(yàn)
2．5．2 獨(dú)立性檢驗(yàn)（列聯(lián)表分析）
2．6 正態(tài)性的檢驗(yàn)法
2．7 本章小結(jié)
問題與思考
第3章 線性回歸分析
3．1 一元線性回歸分析
3．1．1 參數(shù)β0，β1的估計(jì)
3．1．2 誤差項(xiàng)的方差的估計(jì)
3．1．3 擬合回歸線的性質(zhì)
3．1．4 正態(tài)誤差回歸模型
3．1．5 線性回歸模型中自變量與因變量之間聯(lián)系的描述測度
3．1．6 一元線性回歸建模流程
3．2 多元線性回歸模型
3．2．1 多元回歸模型
3．2．2 回歸系數(shù)的涵義
3．2．3 回歸分析推斷
3．2．4 預(yù)測與控制
3．2．5 自變量與因變量線性相關(guān)程度的度量指標(biāo)
3．2．6 多元線性回歸模型中自變量的選擇問題
3．3 回歸診斷
3．3．1 殘差及其性質(zhì)
3．3．2 誤差項(xiàng)的異方差
3．3．3 誤差序列自相關(guān)性
3．3．4 自變量的多重共線性
3．3．5 異常點(diǎn)與強(qiáng)影響點(diǎn)
3．4 含定性自變量的回歸模型
3．4．1 僅含定性自變量的回歸模型
3．4．2 對一個定量自變量和一個二值定性自變量的回歸
3．4．3 對于一個定量自變量和一個多值定性自變量的回歸
3．4．4 對于一個定量自變量和兩個定性自變量的回歸
3．5 本章小結(jié)
問題與思考
第4章 非線性回歸分析
4．1 可線性化的非線性回歸模型
4．2 多項(xiàng)式模型
4．2．1 一元多項(xiàng)式模型
4．2．2 二元多項(xiàng)式模型
4．3 因變量為指示變量的回歸
……
第5章 主成分分析
第6章 因子分析
第7章 馬爾可夫鏈
參考文獻(xiàn)
附錄