1.1.1 矩阵的定义 1.1.2 矩阵的运算 1.2 正交矩阵 1.3.1 矩阵的行列式 1.3.2 矩阵的逆 1.3.3 矩阵的秩 1.4.1 矩阵的特征值和特征向量 1.4.2 矩阵的迹 1.5.1 正定矩阵和非负定矩阵 1.5.2 矩阵函数值的SAS输出 2.1 多元分布 2.2.1 数学期望 2.2.2 协方差矩阵 2.2.3 相关矩阵 2.3.1 欧氏距离 2.3.2 马氏距离 2.4 多元正态分布 2.5.1 简单随机样本 2.5.2 极大似然估计 2.5.3 估计量的无偏性 2.6.1 JMP入门简介 2.6.2 一个样例数据的一元分析演示 2.7.1 数据的输入和数据的导入 2.7.2 各变量数据同时做一元分析演示 2.7.3 多变量数据基本分析演示 3.1 判别分析：引言 3.2.1 从总体出发的判别 3.2.2 从样本出发的判别 3.2.3 误判概率的非参数估计 3.2.4 两组协差阵不等时的情形 3.3.1 多组的判别规则 3.3.2 采用线性还是二次判别函数的策略 3.3.3 多组距离判别：案例分析 3.4.1 最大后验概率法的判别规则 3.4.2 皆为正态组的情形 3.4.3 贝叶斯判别：案例分析 3.5.1 两组的一般情形 3.5.2 两组的一些特殊情形 3.5.3 两个正态组的情形 3.5.4 多组的情形 3.5.5 贝叶斯判别与距离判别的比较 3.6.1 费希尔判别的基本思想 3.6.2 费希尔判别函数 3.6.3 判别函数得分图 3.6.4 费希尔判别：案例分析 3.6.5 需注意的两点 3.6.6 判别规则 4.1 聚类分析：引言 4.2 距离和相似系数 4.3.1 系统聚类法的概念 4.3.2 最短距离法 4.3.3 最长距离法 4.3.4 类平均法 4.3.5 重心法 4.3.6 离差平方和法 4.3.7 系统聚类法：案例分析 4.4.1 系统聚类法的单调性 4.4.2 使用图形作直观的聚类 4.4.3 使用图形对聚类效果的评估 4.4.4 对变量的聚类及案例分析 4.4.5 类的个数 4.5.1 动态聚类法的概念 4.5.2 k均值法的基本步骤 4.5.3 k均值法：案例分析 4.5.4 使用k均值法应注意的问题 5.1 主成分分析：引言 5.2.1 主成分的定义及解 5.2.2 主成分的性质1、2和3 5.2.3 主成分的性质4 5.2.4 从相关阵出发求主成分 5.3.1 从样本协差阵出发求主成分 5.3.2 从样本相关阵出发求主成分 5.3.3 主成分分析的应用 5.4.1 主成分分析：案例分析1 5.4.2 主成分分析：案例分析2 5.4.3 主成分分析：案例分析3 5.4.4 主成分分析：案例分析4 5.5.1 主成分的保留个数 5.5.2 关于样本容量n的大小 5.5.3 关于异常值的影响 5.5.4 关于时间序列数据 5.5.5 主成分用于聚类分析 5.5.6 关于不同时期的主成分分析 5.5.7 关于定性数据 5.5.8 对主成分综合得分方法的质疑 6.1 因子分析：引言 6.2.1 数学模型 6.2.2 正交因子模型的性质 6.2.3 因子载荷矩阵的统计意义 6.3.1 主成分法 6.3.2 因子分析：案例分析1 6.3.3 主因子法 6.3.4 因子分析：案例分析2 6.3.5 极大似然法及案例分析3 6.4.1 正交旋转 6.4.2 最大方差旋转法及案例分析4 6.4.3 因子分析：案例分析5 6.4.4 因子分析：案例分析6 6.5.1 回归法的因子得分 6.5.2 因子分析：案例分析7 6.5.3 对因子综合得分方法的质疑 7.1 对应分析：引言 7.2.1 列联表 7.2.2 对应矩阵 7.2.3 行、列轮廓 7.2.4 行轮廓和列轮廓：案例分析 7.3.1 总惯量的概念 7.3.2 总惯量为零的等价情形 7.3.3 总惯量的分解 7.4 行、列轮廓的坐标 7.5.1 对应分析图的构建 7.5.2 行（列）点之间的距离 7.5.3 行点和列点相近的意涵 7.5.4 对应分析：案例分析1 7.5.5 对应分析：案例分析2