编辑推荐

《DPS数据处理系统(第二卷):现代统计及数据挖掘(第4版)》从应用角度简要地阐述了试验设计、现代统计、数据挖掘，以及各专业领域试验统计等600多种统计分析和模型模拟方法。这一版新增加的主要内容有广义线性模型、面板数据分析、单位根检验等。

内容简介

本书从应用角度简要地阐述了现代统计学400多种实验数据统计分析和模型模拟方法，如试验设计、各类型方差分析、列联表分析及非参数检验;专业统计包括了生物测定、遗传育种、生存分析;作物品种区域试验、空间分布型、数值生态学方法等;各种回归分析、聚类分析、主成分分析、判别分析、典型相关分析、对应分析等多元分析技术;非线性回归模型参数估计、模型模拟技术;单目标和多目标线性规划、非线性规划等运筹学方法;以及状态方程、数值分析、时间序列分析、模糊数学、BP神经网络、数据挖掘、灰色理论等方法。

目录

目录

序一
序二
第四版前言
第三版前言
第二版前言
第一版前言
第三篇多元统计分析
第14章多变量统计检验
14.1多元计量资料的常用统计量
14.2多元均值检验
14.3多元方差分析简介
14.4单向完全随机设计
14.5单因素随机区组设计
14.6轮廓分析
14.7多元方差分析的线性模型方法
参考文献
第15章多元回归分析
15.1多元线性回归
15.2逐步回归分析
15.3二次多项式回归分析
15.4含定性变量的逐步回归分析
15.5积分（逐步）回归
15.6趋势面分析
15.7Tobit回归
15.8主成分回归
15.9岭回归
15.10稳健回归（M估计）
15.11分位数回归
15.12优势（主导）分析
参考文献
第16章聚类分析
16.1系统聚类分析
16.20—1型变量聚类分析
16.3动态聚类分析
16.4有序样本分类
16.5非线性映射分析
16.6两维图论聚类
参考文献
第17章判别分析
17.1两组判别
17.2Fisher线性判别
17.3逐步判别分析
参考文献
第18章多因子分析
18.1主成分分析
18.2因子分析
18.3对应分析
18.4展开法
参考文献
第19章多因变量统计分析
19.1典型相关分析
19.2双重筛选逐步回归
19.3偏最小二乘回归
19.4线性联立方程
19.5结构方程模型与路径分析
参考文献
第20章数据挖掘
20.1BP神经网络
20.2径向基函数（RBF）网络模型
20.3投影寻踪回归
20.4支持向量机（SVM）
20.5随机森林
参考文献
第四篇数学模型模拟分析
第21章回归方程模型
21.1任意非线性回归模型参数估计实现
21.2非线性回归模型参数估计方法
21.3非线性回归模型参数全局优化估计
21.4非线性回归分析实例研究
21.5二值反应变量模型参数估计
21.6有约束条件模型参数估计
21.7联立方程模型
参考文献
第22章数学模型模拟与优化
22.1模型模拟分析
22.2模型参数灵敏度分析
22.3模型优化
参考文献
第23章数学规划
23.1线性规划
23.2多目标线性规划：评价函数法
23.3多目标线性规划：逐步宽容约束法
23.4多目标线性规划：分层评价法
23.5整数规划及混合整数规划
23.6指派问题匈牙利法
23.7运输问题
23.8非线性规划
23.9投入产出分析
23.10目标规划
参考文献
第24章状态空间模型
24.1线性控制系统能控性
24.2线性控制系统能观性
24.3连续线性状态方程离散化
24.4离散状态方程求解
参考文献
第五篇时间序列分析
第25章时间序列趋势分析
25.1常用时间序列趋势分析
25.2时间序列数据游程检验
25.3最优气候均态模型
25.4均值生成函数预测模型
25.5马尔可夫链
25.6多元时空序列马尔可夫链分析
参考文献
第26章时间序列周期分析
26.1谐波分析
26.2小波分析
26.3奇异谱分析
26.4时间序列周期方差分析外推法
26.5季节性水平模型
26.6季节性交乘趋势模型
26.7季节性叠加趋势模型
参考文献
第27章平稳时间序列分析
27.1取样间隔与插值处理
27.2数据序列突变点的检测
27.3数据序列统计特性估计
27.4单位根检验
27.5差分自回归移动平均（ARIMA）模型
参考文献
第28章其他时间序列模型
28.1季节—周期组合模型
28.2多变量时间序列CAR模型
28.3门限自回归模型
28.4独立分量分析
参考文献