Minitab软件，是一个很好的质量管理和质量设计的工具软件。包括: 基础和高级统计 回归和方差分析 时间序列 演示质量的图表 模拟和分布 灵活的数据导入、导出和操纵 SPC (Statistical Process Control - 统计过程控制) DOE (Design of Experiments - 试验设计) 可靠性分析 多变量分析 样本量和幂计算 强大的宏语言 。

实用多元统计分析，2001年4thEdition， Richard Johnson，非扫描版，超高质量

基于知识话题模型的文本蕴涵识别与面向中文专利文献的有标记并列结构的统计分析

完整英文版 ASTM E2489 - 16 Standard Practice for Statistical Analysis of One-Sample and Two-Sample lnterlaboratory Proficiency Testing Programs（单样本和双样本实验室能力测试项目统计分析的标准做法 ）。 本规程描述了从实验室间熟练程度获得的实验室结果的统计分析方法 测试程序。 根据实践 E 1301，能力验证是使用实验室间比较来确定实验室测试或测量性能。 相反，协作研究（或协作试验）是使用实验室间比较来确定测试方法的精密度，如实践 E691 所涵盖

基于python+Java的疫情爬虫数据分类统计分析的设计与实现

气象统计分析与预报方法 统计预报经典著作，适合初学者,可用编程语言:c,fortran

多元统计分析作为研究多维随机变量之间相互依赖关系以及内在规律的一门科学，它在自然科学、社会科学、人文科学等各个领域都有着广泛的运用，并取得了许多卓有成效的应用成果。多元统计分析已经越来越成为各门学科进行科学研究、数据分析、数据处理必不可少的重要方法，已经成为统计专业教学、统计知识向其它领域进行推广应用的重要组成部分。 对于那些已经接受并开始运用多元统计分析方法来研究解决本领域具体问题的研究者而言，如何很方便地在计算机上实现各种统计分析方法，特别是对于非统计专业，电脑中没有安装专业统计分析软件的人员，以及那些即使是专业统计人员但由于资金限制而无法使用昂贵的正版专业统计软件时，如何方便、快速、节约地在计算机上实现多元统计分析，无疑是十分必要的。

SPSS Modeler简介 SPSS Modeler 原名 Clementine，定－＾久享盛誉的数据挖掘平乙 软件。它提供完全可视化的图形化界面，主要通过数据流的形式实现 数据挖掘整＾过程，具有如下功能： 易学/直观的可视化用户界面：可视化的操作方法，无需在编写代码上 耗费精力和时间、广泛的数据挖掘功能、灵活多样的部署选项。 强劲的自动化建模能力：自动化的数据准备、丰富的模型算法和评估 手段。 开发且可扩展的体系结构：支持SQL推送，在标准数据库内的数据挖 掘。 SPSS Modeler简介 它包括6＾节点区：源数据节点(Sources)、记录处理节点(Record Ops)、字段(变量)处理节点(Field Ops)、图形节点(Graphs)、建立模 型节点(Modeling)和输出节点(Output)，用户建立模型的过程就 定把各＾节点区的节点以连线的方式连在－起。 SPSS Modeler软件从以下＝＾方面提供对中文的全方位支持：可以 读取和写入中文值和中文字段名；完全的中文操作界面和中文结果显 示；全面的中文帮助和中文使用手册，这在国外软件中定很少见的。 SPSS Modeler简介 它包括6＾节点区：源数据节点(Sources)、记录处理节点(Record Ops)、字段(变量)处理节点(Field Ops)、图形节点(Graphs)、建立模 型节点(Modeling)和输出节点(Output)，用户建立模型的过程就 定把各＾节点区的节点以连线的方式连在－起。 SPSS Modeler软件从以下＝＾方面提供对中文的全方位支持：可以 读取和写入中文值和中文字段名；完全的中文操作界面和中文结果显 示；全面的中文帮助和中文使用手册，这在国外软件中定很少见的。 SPSS Modeler安装 这里使用的版本为SPSS Modeler 14.1。可从官网或者网站 http://www.tipdm.org/jmgj/568.jhtml下载，双击安装盘根目录下 的setup.exe文件即可安装(注意：安装版本位数需与系统位数相匹配)。 安装过程默认点击下－步即可完成安装，点击安装目录bin目录下的 modelerclient.exe启动SPSS Modeler，或者通过开始菜单中快捷方 式启动SPSS Modeler 。

小结 本章主要根据数据挖掘的应用分类，重点介绍了对应的数据挖掘建模方 法及实现过程。通过对本章的学习，可在以后的数据挖掘过程中采用适 当的算法并按所陈述的步骤实现综合应用，更希望本章能给读者一些启 发，思考如何改进或创造更好的挖掘算法。 归纳起来，数据挖掘技术的基本任务主要体现在分类与预测、聚类、关 联规则、时序模式、离群点检测五个方面。 5.1分类与回归主要介绍了决策树和人工神经网络两个分类模型、回归分 析预测模型及其实现过程； 5.2聚类分析主要介绍了K-Means聚类算法，建立分类方法按照接近程度 对观测对象给出合理的分类并解释类与类之间的区别； 小结 5.3关联规则主要介绍了Apriori算法，以在一个数据集中找出各项之间的 关系； 5.4时序模式从序列的平稳性和非平稳型出发，对平稳时间序列主要介绍 了ARMA模型，对差分平稳序列建立了ARIMA模型，应用这两个模型对 相应的时间序列进行研究，找寻变化发展的规律，预测将来的走势； 5.5离群点检测主要介绍了基于模型和离群点的检测方法，是发现与大部 分其他对象显著不同的对象。 前5章是数据挖掘必备的原理知识，并为本书后面章节的案例理解和实验 操作奠定了理论基础。

An Introduction to this Course Definitions & classifications of research, and research procedures The concept of variables Quantitative research design Questionnaire survey Item analysis,validity & reliability Data exploring Descriptive statistics Inferential statistics Writing a research proposal Reporting a research Research evaluation