《多元統计分析》课程教学大纲.docVIP

《 多元统计分析 》课程教学大纲 Multivariate Statistical Analysis 课程代码： 课程性质：专业基础理论课/必修 适用专业：统计 开课学期：6 总学时数： 72 总学分数：4.5 编写年月： 2007.5 修订年月：2007.7 执 笔：邓志民 一、课程的性质和目的 《多元统计》为专业必修的技术课程。通过本课程的学习，使学生系统地了解多元统计分析的基本概念和基本原理，掌握一些常用的多元统计思想和统计方法，学会处理常见的多元统计问题。 二、课程教学内容及学时分配 第一章 绪论与矩阵代数(4学时) 本章内容：多元分析的基本内容及应用领域、矩阵代数的基本知识 教学要求 1．了解多元分析的基本内容及应用领域 2．掌握矩阵代数的基本知识：如行列式、逆矩阵、矩阵的迹、二次型、正定阵以及矩阵微商等概念 第二章 多元正态分布(8学时) 教学内容：多元正态分布的定义、多元正态随机变量的基本性质、多元正态分布的参数估计、Wishart分布的定义和基本性质 教学要求：1．熟练掌握多元正态分布密度函数及其数字特征的解析表达式、数字特征的基本性质 2．利用计算软件，要熟练掌握计算任意多元样本的数字特征，如样本均值、样本离差阵、样本协差阵的计算程序，并能较熟练求出多元正态分布均值和协差阵的MLE估计量 3．熟悉有关统计软件。利用统计软件来练习矩阵的有关计算 4．练习在已给数据下，求样本均值、样本离差阵、样本协差阵等 第三章 多元正态总体均值向量和协差阵的假设检验(8学时) 教学内容: Hotelling T2和Wilks分布的定义及其基本性质、多元正态分布均值向量和协差阵的假设检验, 含多个正态总体均值和协差阵的假设检验、计算程序中有关假设检验的算法基础 教学要求：1．了解Hotelling T2和Wilks分布的定义及其基本性质 2．对照一元正态分布均值和方差的假设检验，掌握多元正态分布均值向量和协差阵的假设检验，特别是一个和两个多元正态总体的均值向量的检验（包括协差阵已知和协差阵未知的情形），熟悉相应的检验统计量，并要求能利用计算软件，熟练掌握统计量的计算 第四章 聚类分析 (8学时) 教学内容：聚类分析的目的和意义、聚类分析中所使用的几种尺度的定义、 8种系统聚类方法的定义及其基本性质、计算程序中有关聚类分析的算法基础 教学要求： 1．要求学生理解聚类分析的目的和意义、它的统计思想，了解变量类型的几种尺度定义 　　2．熟悉Q型和R型聚类分析常用的距离和相似系数的定义，特别是Minkowski 距离 　 3．了解教材中介绍的八种系统聚类方法，以及它们的统一公式，熟悉软件中最长（短）距离法、重心法和Ward（离差平方和）法的具体使用步骤 　 4．在理解系统聚类方法基本性质基础上，初步掌握实际问题中选用聚类方法与对应的测量距离的原则 第五章 判别分析(8学时) 教学内容: 判别分析的目的和意义、判别分析中所使用的几种判别尺度的定义和基本性质，包括距离判别法，Fisher判别法, Bayes判别法以及逐步判别法、计算程序中有关判别分析的算法基础 教学要求：1．理解判别分析的目的和意义、它的统计思想 2．了解并熟悉判别分析的三种类型，特别是Bayes判别方法的统计思想 3．掌握教材中给出的不同判别方法的判别规则和判别函数的结构 4．利用统计软件中的相应程序，实际计算教材上给出的习题 5．要熟悉对两总体样本的距离判别法、Fisher判别法和Bayes判别法的具体计算步骤，并比较其异同 第六章 主成分分析(8学时) 教学内容：主成分分析的目的和意义、主成分分析的数学模型及几何解释，主成分的推导及基本性质、计算程序中有关主成分分析的算法基础 教学要求本：1. 了解主成分分析的统计思想和实际意义，以及它的数学模型和二维空间上的几何意义 2．掌握主成分的推导步骤及其重要的基本性质3. 能够利用计算软件，自己编程解决实际问题并给出分析报告 4．熟悉数据处理中的样本标准化（归一化）的实际意义和处理步骤 第七章 因子分析(8学时) 教学内容: 因子分析的目的和基本思想、因子分析的数学模型，因子载荷阵的估计方法，因子旋转，因子得分、计算程序中有关因子分析的算法基础 教学要求：1. 了解因子分析的目的和实际意义，特别是因子分析模型的统计思想，以及与一般回归模型在本质上的区别 2. 熟悉因子分析数学模型建模的假设条件和各个分量的实际统计意义