《多元统计分析》教学大纲.docxVIP

《多元统计分析》理论教学大纲 (Applied Multivariate Statistical Analysis) 课程代码：06000？ 总学时：48学时（其中：讲课48学时、实验0学时、讨论0学时） 先修课程：《数学分析》、《高等代数》、《概率论》、《数理统计》、《数学软件与数学实验》，等。 一、课程性质 《多元统计分析》课程是统计学专业高等教育的专业拓展课，内容包括：多元正态分布、方差分析、因子分析、主成分分析、判别分析、聚类分析等一些常用多元分析的理论与方法。通过对所考虑的包括多个变量的统计问题进行分析，以了解各变量的关系、建立合理的模型等。这些方法在经济、管理、医学、生物、社会学等各个领域得到了广泛的应用。系统地讲授本课程的基本理论与基本知识，加强基本技能的训练，培养和提高学生理解、分析运用多元统计分析相关的理论与方法进行数据处理的能力。多元统计分析简称多元分析，是统计学的一个重要分支，也是近三、四十年迅速发展的一个分支。随着电子计算机的普及和软件的发展，信息储存手段以及数据信息的成倍增长，多元分析的方法已广泛应用于自然科学和社会科学的各个领域。国内国外实际应用中卓有成效的成果，已证明了多元分析方法是处理多维数据不可缺少的重要工具，并日益显示出无比的魅力。 二、课程目的 进一步培养学生学习用概率统计的思想和方法去思考随机系统中多个变量之间的数量关系，逐步提高学生处理随机数据的能力。通过学习，要求学生掌握多元统计中的一些基本概念、基本理论与基本方法，掌握一些常见分布的性质和应用，掌握常用的数理统计的基本原理。 三、课程任务 要求学生在学完本门课程以后，清楚每种统计方法所要解决的问题、前提条件和局限性等；要求学生学会分析多元观测数据，对给定的数据能够选用本课程中所介绍的各种方法，借助统计分析软件包去计算，从中提取出有用的信息，对所研究的问题做出合理的推断和科学的评价。 四、教学内容 1. 描述统计 （1）描述统计量 （2）探索性统计 （3）描述性统计分析的python实现 2. 多元正态分布 （1）随机向量 （2）多元正态分布的定义与基本性质 （3）条件分布和独立性 （4）随机矩阵的正态分布 （5）多元正态分布的参数估计 （6）案例分析：多元正态总体参数估计的python实现 3. 多元正态总体参数的假设检验 （1）几个重要统计量的分布 （2）单总体均值向量的检验及置信域 （3）多总体均值向量的检验 （4）协方差矩阵的检验 （5）独立性检验 （6）正态性检验 （7）正态总体假设检验的python实现 4. 回归分析 （1）经典多元线性回归 （2）回归变量的选择与逐步回归 （3）多因变量的多元线性回归 （4）多因变量的逐步回归 （5）双重筛选逐步回归 （6）案例分析：回归分析的python实现 5. 聚类分析 （1）聚类分析的方法 （2）距离与相似系数 （3）系统聚类法及其性质、类的确定 （4）动态聚类法 （5）有序样品聚类法 （6）变量聚类法 （7）案例分析：聚类分析的python实现 6. 判别分析 （1）距离判别法 （2）贝叶斯判别法及广义平方距离判别法 （3）费希尔判别法 （4）判别效果的检验及各变量判别能力的检验 （5）逐步判别法 （6）案例分析：判别分析的python实现 7. 主成分分析 （1）总体和样本的主成分 （2）主成分分析的应用 （3）案例分析：主成分分析的python实现 8. 因子分析 （1）因子模型及其参数估计方法 （2）方差最大的正交旋转 （3）因子得分 （4）案例分析：主成分分析的python实现 9. 对应分析方法 （1）对应分析方法的概念与原理 （2）案例分析：对应分析方法的python实现 10. 典型相关分析 （1）总体典型相关、样本典型相关、典型冗余分析 （2）案例分析：典型相关分析的python实现 11. 偏最小二乘回归分析 （1）偏最小二次回归分析方法 （2）案例分析：偏最小二次回归分析方法的python实现 五、基本要求 1. 知识要求 （1）了解应用对应统计分析所包含的基本内容及其应用领域。 （2）多元正态分布是应用多元统计分析的基础。 理解多元正态分布的概念，能熟练应用python或其他统计计量工具对其均值向量及协方差矩阵进行估计，能熟练应用python或其他统计计量工具实现均值向量、协方差矩阵、独立性、正态性等假设检验。 （3）关于回归分析，数学建模及计量经济学中已学习过相关内容，在此需要对回归分析在理论上进行更深刻的理解，并熟练应用于数据分析。 （4）关于聚类分析和判别分析，了解二者的相关性：聚类分析为判别分析提供标准模式库，判别分析为聚类分析提供更广阔的应用场景。熟练掌握二者的理论原理，并熟练应用于数据分析。 （5）主成分分析、因子分析、对应分析、典型相关分析、