本课程为数理统计学科专业硕士、博士研究生的基础课，同时也可作为各应用学科专业研究生的选修课。多元统计分析是统计学的一个重要分支, 主要研究多维数据的内在规律, 在社会经济、生物医学、工程技术等各个领域均具有重要应用。本课程侧重介绍统计方法的思想，采用理论与案例相结合的方式启迪学生的思维，力求使学生领会和吸收知识中的精髓，掌握常用的多维数据的分析方法，培养学生处理各自领域中多维数据的能力。

一）常用的多元分布，包括：多元正态分布、Wishart分布、T2统计量及其他常用统计量。10学时。教学难点：推导各种统计量的分布。
二）判别分析，包括：距离判别、Fisher判别、Bayes判别等。8学时。教学重点：统计思想。
三）聚类分析，包括：距离和相似系数、K-means聚类、分层聚类、支持向量机等方法。8学时。教学重点：统计思想。
四）主成分分析，包括：总体主成分分析、样本主成分分析。8学时。教学重点：统计思想与理论。
五）因子分析，包括：因子分析模型、因子旋转、因子得分。8学时。教学重点：统计思想。
六）典型相关分析，包括：典型相关系数与典型变量、广义相关系数。8学时。教学重点：统计思想。
七）多变量回归，包括：参数估计、假设检验、变量选择。10学时。教学难点：统计与数学理论。

1、张尧庭, 方开泰: 多元统计分析引论. 北京: 科学出版社, 1982.
2、Anderson, T.W.: An Introduction to Multivariate Statistical Analysis, 3rd ed. New York: John Wiley & Sons, 2003.