《多变量数据分析》课程教学大纲参考模板范本.doc

1、多变量数据分析课程教学大纲多变量数据分析课程教学大纲编号：C3/研部03/002一、课程名称1中文名称：多变量数据分析2英文名称：Multivariate Statistical Analysis二、课程概况课程类别：专业选修课 学时数：32 学分数：2适用专业：信息与计算科学 开课学期：二开课单位： 三、大纲编写人： 四、教学目的及要求多变量数据分析课程主要介绍多变量统计分析的主要思想、理论、方法和应用案例，是信息与计算科学专业学生对科学研究中的多变量数据进行统计建模和分析的重要基础和工具，其主要内容包括：描述性统计分析、多元正态分布的性质及统计推断、相关分析与多元线性回归、多因素方差分析、

2、广义线性模型的统计推断、主成分分析、因子分析、判别分析与聚类分析的主要思想、理论和方法以及应用这些理论方法的案例分析。本课程是信息与计算科学相关专业的专业选修课。通过本课程的学习，学生需理解多元统计分析的基本理论和方法、学会用主流多变量统计分析方法解决科学研究和实际工作中的相关问题。五、课程主要内容及先修课程课程主要内容：第1讲 描述性统计分析（4学时）（1）总体、样本、统计量与估计量（2）数字特征（3）箱线图、直方图、QQ图、条形图、饼形图（4）描述性统计应用案例第2讲 多元正态分布及其参数推断（4学时）（1）多元正态分布的概念与性质（2）多元正态分布的参数估计（3）多元正态分布均值向量检验

3、（4）多元正态分布协方差矩阵的检验（5）多元正态分布参数推断应用案例第3讲 相关分析与多元线性回归（4学时）（1）相关分析（2）多元线性回归（3）多元线性回归的变量选择（4）多元线性回归应用案例第4讲 Logistic回归与多变量方差分析（4学时）（1）Logistic回归（2）多变量方差分析（3）应用案例第5讲 主成分分析（4学时）（1）主成分分析的思想（2）主成分的估计（3）主成分数量的确定与解释（4）主成分分析应用案例第6讲 因子分析（4学时）（1）因子分析的思想（2）正交因子模型（3）因子模型的估计（4）因子正交旋转（5）因子分析应用案例第7讲 判别分析（4学时）（1）Fisher线性

4、判别法（2）距离判别法（3）Bayes判别法（4）判别分析应用案例第8讲 聚类分析（4学时）（1）相似测度（2）层次聚类方法（3）非层次聚类法（4）聚类分析应用案例先修课程：数理统计与随机过程、线性代数。六、课程教学方法理论和方法的面授与应用案例分析相结合。七、课程考核方式案例分析作业：50%，期末考试：50%八、课程使用教材张世斌. 多元统计分析. 上海海事大学, 2018.九、课程主要参考资料1 Johnson D E. Applied Multivariate Methods for Data Analysts. Higher Education Press, 2005.2 Renche

5、r A C. Methods of Multivariate Analysis. John Wiley & Sons, Inc., 2002.3 Venables W N, Ripley B D. Modern Applied Statistics with S, 4th edition. Springer, 2002.4 Pindyck R S, Bubinfeld D L. Econometric Models and Economic Forecasts, 4th edition. McGraw-Hill, Inc., 1997.5 张尧庭, 方开泰. 多元统计分析引论. 武汉大学出版社, 2013.6 王斌会. 多元统计分析及R语言建模(第2版). 暨南大学出版社, 2011.7 张世斌. 数学建模的思想与方法. 上海交通大学出版社, 2015.8 张世斌. 数理统计讲义. 上海海事大学, 2015.分委员会主席签字： 年 月 日主管院长签字： 年 月 日3 / 3