第1章 大數據概述1．1 什么是大數據1．1．1 大數據的定義及特征1．1．2 大數據結構類型1．1．3 大數據實例1．2 大數據發展史1．3 大數據研究方法1．4 可靠性工程中的大數據現狀1．5 數據挖掘方法與應用1．5．1 數據挖掘的產生與功能1．5．2 數據挖掘與相關研究之間的關系1．5．3 數據挖掘基本流程1．6 R軟件平臺1．7 可靠性工程大數據分析前景第2章 探索性數據分析2．1 數字特征2．1．1 一維數據的數字特征2．1．2 一維總體的數字特征2．1．3 多元數據的數字特征2．1．4 多元總體的數字特征2．2 故障數據的分布2．2．1 頻數(頻率)分布表與直方圖2．2．2 莖葉圖、五數總括、箱線圖2．2．3 經驗分布、QQ圖及分布擬合檢驗2．3 多元質量數據的圖示2．3．1 輪廓圖2．3．2 蛛網圖2．3．3 調和曲線圖2．4 可靠性工程數據離群點檢測2．4．1 基于統計的離群點檢測2．4．2 基于距離的離群點檢測2．4．3 基于聚類的離群點檢測2．4．4 高維數據局部離群點檢測2．4．5 大數據子空間離群點檢測2．5 飛機飛行參數多元數據特征分析第3章 相關分析3．1 相關系數的估計和檢驗3．2 偏相關與復相關系數3．2．1 偏相關系數3．2．2 復相關系數3．3 典型相關分析3．3．1 典型相關分析的基本思想3．3．2 總體的典型相關分析3．3．3 樣本典型相關分析3．3．4 典型相關系數的顯著性檢驗3．4 向量運算及相關函數3．4．1 向量3．4．2 產生有規律序列3．4．3 邏輯向量3．4．4 缺失數據3．4．5 字符型向量3．4．6 向量的下標系統3．5 發動機間隙組合相關性分析案例第4章 因子分析4．1 總體主成分4．1．1 總體主成分定義4．1．2 總體主成分求法4．1．3 總體主成分的性質4．1．4 標準化變量的主成分4．2 樣本因子分析4．3 因子分析參數估算方法4．3．1 參數的統計意義4．3．2 因子載荷矩陣的估計4．4 樣本數據的因子分析4．5 因子旋轉和因子得分4．6 數組和矩陣4．6．1 數組4．6．2 數組的下標系統4．6．3 矩陣4．6．4 與數組(矩陣)運算的相關函數第5章 聚類分析5．1 聚類分析的基本思想5．2 聚類統計量5．2．1 Q型聚類統計量——距離5．2．2 R型聚類統計量——相似系數5．3 系統聚類法5．4 快速聚類法5．4．1 凝聚點的選擇5．4．2 計算步驟5．5 關聯規則5．5．1 靜態關聯規則Apriori算法5．5．2 動態關聯規則Carma算法5．5．3 序列規則挖掘算法5．6 基于預測強度的聚類分析5．4．1 預測強度5．4．2 預測強度在聚類中的應用5．7 聚類問題的變量選擇5．7．1 高斯成對罰模型聚類5．7．2 異方差成對罰模型聚類5．7．3 聚類方法比較5．8 基于聚類分析的故障文本信息分析第6章 簡單數據回歸分析6．1 多元線性回歸分析6．1．1 多元線性回歸模型6．1．2 參數估計6．1．3 回歸模型的檢驗6．1．4 回歸診斷6．2 自變量的選擇與逐步回歸6．2．1 窮舉法6．2．2 逐步回歸法6．3 非線性回歸模型6．3．1 內在線性回歸模型6．3．2 內在非線性回歸模型6．4 Logistic回歸模型6．4．1 線性Logistic回歸模型6．4．2 參數的優選似然估計6．5 基于Logistic回歸的機械健康狀態評估研究第7章 高維數據回歸分析7．1 模型選擇7．1．1 偏差-方差分解7．1．2 模型選擇準則7．1．3 回歸變量選擇7．2 廣義線性模型7．2．1 二點分布回歸7．2．2 指數族概率分布7．2．3 廣義線性回歸7．2．4 模型估計7．2．5 模型檢驗及診斷7．3 高維回歸系數壓縮7．3．1 嶺回歸7．3．2 LASSO7．3．3 Shooting算法7．3．4 路徑算法7．3．5 算法的R語言實現7．4 QAR數據面板回歸模型第8章 判別分析8．1 距離判別8．1．1 兩個總體距離判別8．1．2 多個總體距離判別8．2 Bayes判別8．2．1 兩個總體Bayes判別8．2．2 多個總體Bayes判別8．3 Fisher判別8．3．1 Fisher判別的基本思想8．3．2 線性判別函數的求法8．3．3 Fisher判別準則8．4 逐步判別8．4．1 逐步判別的基本思想8．4．2 逐步判別的步驟8．5 判別法則的評價第9章 非參數統計9．1 單樣本問題9．1．1 符號檢驗9．1．2 趨勢檢驗9．1．3 游程檢驗9．1．4 對稱中心的檢驗9．2 兩樣本問題9．2．1 獨立樣本位置參數的檢驗9．2．2 獨立樣本刻度參數的檢驗9．2．3 配對樣本位置參數的檢驗9．3 多樣本問題9．3．1 多個獨立樣本的檢驗9．3．2 多個相關樣本的檢驗9．4 秩相關分析9．4．1 Spearman秩相關系數9．4．2 Kendall τ秩相關系數9．5 二維列聯表9．5．1 Pearson χ2獨立性檢驗9．5．2 Fisher準確檢驗9．6 R語言中的列表與數據框9．7 成組、循環和條件控制9．7．1 成組表達式9．7．2 控制語句第10章 貝葉斯分類及因果分析10．1 貝葉斯分類10．2 線性判別函數與二次判別10．3 樸素貝葉斯分類10．4 貝葉斯網絡10．4．1 貝葉斯網絡概念10．4．2 貝葉斯網絡構建10．4．3 基于貝葉斯網絡的因果分析10．5 貝葉斯網絡因果分析的R語言實現10．6 基于Bayes網絡的風險分析模型