亚I原著序求的分析，或（3）用我们未曾用过或未曾提出过的另一种方法来分析数据将叙述方法论的各章（5至12章）分成三部分，就能使教师们在将材料剪辑成适合自已需要的课程方面具有某种可塑性，兹将一学期（两个季度）课程的可能安排图示如下：预备知识1~4章关于均值的推断分类和分组5~7章11~12章协方差结构的分析协方差结构的分析8~10章8~10章每个教师无疑都会放弃某几章中的某几节内容，以形成比上述两种选择更宽广的课题选择对于大多数学生，我们建议他们迅速通过最初4章（主要是第1章，2.1节，2.2节，2.3节，2.5节，2.6节和3.6节，以及第4章中“评估正态性假定”那一节），然后便选择方法论课题例如，人们也许会讨论均值向量、主成分、因子分析、判别分析和聚类等的比较.这些讨论可以以包含在这几节中的那些“设计出来的”例子为特色.教师可依靠图表和文字说明来讲授相应的理论推导.如果学生们的数学水平较高而且程度均衡，本书大部分内容可在一学期内成功地授完.我们发现个别数据分析方案有助于将来自方法论各章的材料组成一个整体.所以我们对多元方差分析、回归分析、因子分析、典型相关、判别分析等内容进行相当完善的论述是有益的，尽管这些内容在讲课时也许不会专门提到第6版的内容更动新材料本书前几版的读者会注意到第6版有以下几个改动，·12个新的数据集，主要有：各国男子和女子的径赛记录，心理评分，汽车车身装置测量结果，手机塔故障，纸浆和纸张的性能测试，马里家庭农场数据，股票收益率以及布拉索斯河的水蛇数据·添加了37道新习题和修正了20道原来的习题，而且其中很多习题都是基于新的数据集。添加了4个基于新数据的习题并修正了15个习题.6个新添的或扩充的节1.6.6节的协方差矩阵相等性的检验2.11.7节的逻辑斯蒂（Logistic）回归和分类3.12.5节的基于统计模型的聚类4.扩充了6.3节，新增了“样本量不大时，对正态总体的T分布的逼近”5.扩充了7.6节和7.7节，新增了赤池（Akaike)信息准则6.将以前关于两组别的判别式分析的11.3节和11.5节合并成11.3一节网址为了突出多变量分析的方法，我们删除了结论7.2，7.4，7.10和10.1长的证明，但是将证明放在了以下网站：www.prenhall.com/statistics.点击“MultivariateStatistics”，然
IV实用多元统计分析后点击本书可获得这些证明.此外，本书所用的所有数据集的ASCII文件可以在该网站下载教师使用手册我们在网站www.prenhall.com/statistics上提供了教师使用手册.如果想知道更多与本书相关的资料或更多感兴趣的主题等信息，读者可以访问PrenticeHall的网站：www.prenhall.com致谢首先感谢我的同事们，他们贡献了自己的数据作为本书的例题和练习，完善了本书的应用.在本书的修订过程中，很多人给了我很大帮助，也非常感谢他们，他们是Minnesota大学的ChristopherBingham，Michigan大学的SteveCoad，Florida大学的RichardKiltie，GeorgeMason大学的SamKotz，Michigan州立大学的HimKoul,Drexel大学的BruceMcCullough，Virginia大学的ShyamalPeddada，Illinois大学Chicago分校的K.Sivakumar，Virginia理工大学的EricSmith以及Illinois大学Urbana-Champaign分校的StanleyWasserman.我们还要感谢过去35年来参加多元分析课程学习的同学们，他们的反馈意见很有意义，他们的评论和建议对本书的成稿有很大帮助.此外，特别感谢WaiKwongCheang，ShanghongGuan，JialiangLi和ZhiguoXiao，他们对本书许多例题的计算给予了很大帮助.我们还应感谢DianneHall帮忙完成了教师使用手册，SteveVerrill帮助完成了很多计算，感谢AlisonPollack完善了切尔诺夫（Chernoff）脸的编程工作.感谢CliffGilman在第12章中讨论多维标度例子中提供的帮助.JacquelynForer负责了本书的大部分打字工作，在此我们感谢她的专业与耐心，最后，感谢PetraRecter，DebbieRyan，MichaelBell，LindaBehrens，JoanneWendelken以及PrenticeHall的相关工作人员对本项目的支持R.A.Johnsonrich@stat. wisc.eduD.W.Wichernd-wichern@tamu.edu
目录实用多元统计分析Applied Multivariate Statistical Analysis第1章多元分析概述1.1引言1.2多元方法的应用1.3数据的组织·1.4数据的展示及图表示141.5距离231.6最终评注27练习28参考文献37第2章矩阵代数与随机向量392.1引言392.2矩阵和向量代数基础392.3正定矩阵472.4平方根矩阵502.5随机向量和矩阵512.6均值向量和协方差矩阵522.7矩阵不等式和极大化60补充2A向量与矩阵：基本概念63练习78参考文献85第3章样本几何与随机抽样863.1引言863.2样本儿何863.3随机样本以及样本均值和协方差矩阵的期望值913.4广义方差943.5作为矩阵运算的样本均值、协方差与相关系数1053.6变量的线性组合的样本值107练习111参考文献114
VI实用多元统计分析第4章多元正态分布1154.1引言1154.2多元正态密度及其性质1154.3从多元正态分布抽样与极大似然估计1284.4X和S的抽样分布1324.5X和S的大样本特性1334.6评估正态性假定·1354.7搜寻离群值及“清洁”数据1434.8变换到接近正态性147练习153参考文献160第5章关于均值向量的推断1615.1引言1615.2H作为正态总体均值的似真性：1615.3霍特林T与似然比检验1665.4置信域和均值分量的联合比较1685.5总体均值向量的大样本推断1795.6多元质量控制图1835.7观测值缺损时均值向量的推断1925.8多元观测中由时间相依性造成的困难196补充5A作为P维椭球投影的联合置信区间与置信椭圆197练习198参考文献207第6章多个多元均值向量的比较2096.1引言2096.2成对比较与重复测量设计2096.3两总体均值向量的比较：2176.4多个多元总体均值向量的比较（单因子多元方差分析）2266.5处理效应的联合置信区间2356.6协方差矩阵相等性的检验2366.7双因子多元方差分析2386.8轮廓分析2476.9重复测量设计和生长曲线2516.10对分析多元模型的展望和建议255练习258参考文献278
VI日录第7章多元线性回归模型2807.1引言2807.2经典线性回归模型2807.3最小二乘估计.2837.4回归模型的推断2887.5由估计的回归函数作推断2947.6模型检查及回归中的其他问题2967.7多元多重回归·3007.8线性回归的概念3127.9比较回归模型的两种表达方式3187.10有时间相关误差的多重回归模型321补充7A多元多重回归模型的似然比的分布·324练习325参考文献332第8章主成分3348.1引言3348.2总体主成分3348.3综合主成分的样本变差3428.4主成分的图形表示3518.5大样本推断3538.6用主成分监控质量356补充8A样本主成分近似的几何意义360练习364参考文献373第9章因子分析与对结构性协方差矩阵的推断3749.1引言3749.2正交因子模型3749.3估计方法3799.4因子旋转.3929.5因子得分3999.6因子分析的展望和建议403补充9A极大似然估计的某些计算细节409练习411参考文献419第10章典型相关分析42010.1引言420