应用数理统计

2.3 统计量和抽样分布
2.4 x2分布、t分布和F分布
2.4.1 x2分布
2.4.2 t分布和F分布
2.4.3 正态样本均值及方差的分布
2.5 次序统计量
2.6 描述性统计分析-总体特征的识别
2.6.1 描述统计量
2.6.2 总体特征的样本表现
本章习题
第3章 参数估计
3.1 参数估计问题
3.2 替换原则与矩法
3.2.1 矩的估计
3.2.2 参数估计的矩方法
3.3 极大似然估计
3.3.1 极大似然原理
3.3.2 极大似然估计的求法
3.4 估计方程与M估计
3.5 Bayes估计
3.6 估计的优良性与比较
3.6.1 均方误差与相对有效性
3.6.2 无偏估计与一致最小方差无偏估计
3.6.3 相合估计
3.6.4 渐近正态性
3.7 区间估计
3.7.1 基本概念
3.7.2 枢轴变量法
3.7.3 Bayes方法
3.7.4 置信限
本章习题
第4章 假设检验
4.1 假设检验的基本思想和基本概念
4.2 正态总体均值与方差的假设检验
4.2.1 单个正态总体均值与方差的假设检验
4.2.2 两个正态总体均值与方差的检验
4.3 常用非正态总体参数的假设
检验
4.3.1 指数分布参数的检验
4.3.2 均匀分布参数的检验
4.3.3 二项分布参数的检验
4.3.4 Poisson（泊松）分布参数的检验
4.3.5 大样本检验
4.4 非参数假设检验
4.4.1 单样本问题
4.4.2 两样本问题
4.4.3 拟合优度检验
本章习题
第5章 方差分析与试验设计
5.1 方差分析和试验设计的基本概念
5.2 单因子试验的方差分析
5.3 两因子试验的方差分析
5.4 区组试验和正交试验
5.4.1 完全随机化区组试验
5.4.2 正交试验
本章习题
第6章 回归分析
6.1 一元线性回归分析
6.2 多元线性回归分析
6.3 非参数回归分析初步
6.3.1 局部多项式拟合
6.3.2 Loess方法
本章习题
第7章 多元统计分析初步
7.1 多元正态分布
7.1.1 多元正态分布的定义
7.1.2 参数的极大似然估计
7.2 多维线性回归分析
7.2.1 多维线性回归模型
7.2.2 模型参数的估计
7.3 判别分析
7.3.1 距离判别法
7.3.2 Fisher判别法
7.3.3 Bayes判别法
7.4 主成分分析与因子分析
7.4.1 主成分分析
7.4.2 因子分析
7.5 典型相关分析
7.6 聚类分析
7.6.1 距离与相似系数
7.6.2 系统聚类法
7.6.3 有序样品的聚类
本章习题
第8章 SPSS与统计数据分析
8.1 SPSS要览
8.2 描述性统计分析
8.3 参数估计与假设检验
8.4 方差分析与试验设计
8.4.1 方差分析
8.4.2 试验设计
8.5 回归分析
8.6 主成分分析与因子分析
8.7 聚类分析
附录
附录A 标准正态分布函数的数值表
附录B x2分布的上侧分位点表
附录C t分布分位点表（tα/2（f））
附录D F分布的上侧分位点表
附录E Wilcoxon符号秩检验临界值表
附录F 链检验的临界值表
附录G Mann-Whitney-Wilcoxon秩和检验临界值表
附录H Shapiro-Wilk检验临界值表
附录I Shapiro-Wilk检验的系数表
参考文献