第1章多元分布
1.1分布和密度函数
1.2矩和特征函数
1.3多元随机向量变换
1.4多元正态分布
1.5样本分布和极限定理
1.6厚尾分布
1.7连接函数
1.8自助法
习题
第2章多元正态分布理论
2.1多元正态分布的基本性质
2.2威沙特分布
2.3霍特林T2分布
2.4球形分布和椭球形分布
习题
第3章基于因子的数据矩阵降维技术
3.1几何视角
3.2拟合p维点云数据
3.3拟合n维的数据云
3.4子空间之间的联系
3.5实际应用
习题
第4章主成分分析
4.1标准化的线性组合
4.2主成分的应用
4.3对主成分的解释
4.4主成分的渐近性质
4.5标准化的主成分分析
4.6主成分与因子分析
4.7共同主成分
习题
第5章因子分析
5.1正交因子模型
5.2因子模型的估计问题
5.3因子得分及策略
5.4波士顿房价
习题
第6章聚类分析
6.1聚类分析简介
6.2个体问的邻近度
6.3聚类算法
6.4鸢尾花数据分析
习题
第7章判别分析
7.1已知分布的分配原则
7.2实际中的判别准则
习题
第8章对应分析
8.1背景
8.2卡方分解
8.3实际中的对应分析
8.4双标图
习题
第9章典型相关分析
9.1线性组合
9.2典型相关分析实践
9.3定性数据典型相关分析
习题
第10章多维标度分析
10.1导言
10.2关心的问题
10.3度量型多维标度分析
10.4非度量型多维标度分析
习题
第11章联合分析
11.1背景
11.2实验设计
11.3偏好排序的估计
习题
附录
参考文献

本书内容主要包括：多元分布、多元正态分布理论、基于因子的数据矩阵降维技术、主成分分析、因子分析、聚类分析、判别分析、对应分析、典型相关分析、多维标度分析、联合分析等内容。值得关注的是每节都配有R-代码，这大大地帮助学习者借助计算机深刻理解相关内容，直接上手分析解决实际问题。