《多元统计分析》课程教学大纲（本科）.docVIP

PAGE7 / NUMPAGES7 多元统计分析 （Multivariate Statistical Analysis） 课程代码 学分：3 学时：48 （其中：课堂教学学时：36 实验学时： 上机学时： 12 课程实践学时: ） 先修课程：线性代数、概率论与数理统计、统计学 适用专业：统计学、工商管理等专业 教材：多元统计分析；于秀林，任雪松；中国统计出版社，2011年3月第2版 一、课程性质与课程目标 （一）课程性质 本课程是统计学专业必修的专业课程，是统计学的一个重要分支，是处理多维数据不可缺少的重要工具。本课程包括以下内容：多元正态分布、多元正态总体的假设检验、聚类分析、判别分析、主成份分析、因子分析、对应分析等。为后续专业课程学习奠定理论基础。 （二）课程目标（根据课程特点和对毕业要求的贡献，确定课程目标。应包括知识目标和能力目标。） 课程目标1：培养学生掌握处理多元统计分析的基本理论； 课程目标2：培养学生掌握处理多元数据分析的基本统计分析方法； 课程目标3：培养学生能熟练运用SPSS/R等统计软件，使用多元统计分析中的数据分析方法，分析、解决实际社会经济问题。 二、课程内容与教学要求（按章撰写） 第一章 绪论 （一）课程内容 1. 多元统计分析的概念 2. 多元统计分析的作用 3. 多元统计分析的主要内容 （二）教学要求 理解多元统计分析的概念，了解多元统计分析的意义及其主要分析方法。 （三）重点和难点 重点把握多元统计分析的概念、作用。 第二章 多元正态分布 （一）课程内容 1. 基本概念 （1）随机向量的概率分布； （2）随机向量的数字特征。 2. 多元正态分布的定义及基本性质 （1）多元正态分布的定义； （2）多元正态变量的基本性质。 3. 多元正态分布的参数估计 （1）多元样本的概念及表示法； （2）多元样本的数字特征 （3）μ和∑的最大似然估计及基本性质； （二）教学要求 了解随机向量的概率分布和数字特征、多元正态分布的定义及基本性质、多元正态分布的参数估计。 （三）重点和难点 1. 重点 随机向量的数字特征；多元正态变量的性质；多元样本均值和协方差矩阵的计算。 2. 难点 随机向量的协方差矩阵计算与性质。 第三章 多元正态总体均值向量和协差阵的假设检验 （一）课程内容 1.均值向量的假设检验 （1）T分布； （2）均值向量的检验； （3）协差阵相等时，两个正态总体均值向量的检验； （4）协差阵不等时，两个正态总体均值向量的检验； （5）多个正态总体均值向量的检验（多元方差分析）。 2.协差阵的检验 （1）一个正态总体协差阵的检验； （2）多个协差阵相等检验； （二）教学要求 了解正态总体均值向量和协差阵的假设检验方法。 （三）重点和难点 重点把握协差阵相等时，两个正态总体均值向量的检验。 第四章 聚类分析 （一）课程内容 1.聚类分析的概念和作用 2.距离和相似系数 3.八种系统聚类方法：最短距离法、最长距离法、中间距离法、重心法、类平均法、可变类平均法、可变法、离差平方和法。 4）系统聚类法的基本性质：单调性、空间的浓缩或扩张。 （二）教学要求 理解聚类分析的概念，理解距离和相似系数的涵义；掌握八种系统聚类方法；了解系统聚类法的基本性质。 （三）重点和难点 重点了解距离和相似系数的涵义，最短距离和最长距离法的应用。 第五章 判别分析 （一）课程内容 1.什么是判别分析 2.距离判别法 （1）两个总体的距离判别法； （2）多个总体的距离判别法。 3.费歇（Fisher）判别法 （1）不等协差阵的两总体Fisher判别法； （2）多总体的Fisher判别法。 4.贝叶斯（Bayes）判别法 （1）基本原理； （2）多元正态总体的Bayes判别法； （二）教学要求 理解判别分析的概念；掌握距离判别法、费歇（Fisher）判别法和贝叶斯（Bayes）判别法；了解逐步判别法。 （三）重点和难点 重点掌握距离判别法和费歇（Fisher）判别法。 第六章 主成分分析 （一）课程内容 1.主成分分析及基本原理 （1）主成分分析的概念； （2）基本原理。 2.主成分分析的数学模型及几何解释 （1）数学模型； （2）主成分的几何意义。 3.主成分的推导及性质 （1）主成分的推导； （2）主成分的主要性质。 4.主成分分析应注意的问题 （二）教学要求 理解主成分分析的概念及基本原理；掌握主成分分析的数学模型、几何解释，掌握主成分的推导及性质。 （三）重点和难点 主成分的求解及其性质。 第七章 因子分析 （一）课程内容 1.因子分析及基本原理