Applied Multivariate Analysis

مثل اکثر نویسندگان دانشگاهی، نظرات من محصول مشترک تدریس و تحقیقات من است. نیازی به گفتن نیست که دیدگاه های من نشان دهنده تعصباتی است که به دست آورده ام. یکی از راه‌های بیان منطق (و محدودیت‌های) تعصبات من، از طریق پیشگفتار یک متن واقعاً عالی از دوران قبلی، کولی و لونز (1971، ص. v) است. آنها بین آماردانان ریاضی که عقلشان زمینه تجزیه و تحلیل چند متغیره را به وجود آورد، مانند هتلینگ، بارتلت، و ویلکس، و کسانی که تصمیم گرفتند بیشتر توجه خود را بر روی روش های تجزیه و تحلیل داده ها در علوم و علوم متمرکز کنند، تمایز قائل می شوند. تفسیر نتایج تجزیه و تحلیل آماری ... (و) ... که بیشتر به علوم علاقه مند هستند تا ریاضیات، از جمله ویژگی های دیگر. دانشجویان فلسفه ممکن است «افلاطونیان») و «دانشمندان» («ارسطویان») را مفید بدانند، تا زمانی که به جایی نرسد که فرض کنیم «ریاضی‌دانان» کاملاً داده‌ها را تحقیر نمی‌کنند و «دانشمندان» هرگز علاقه ای به مشارکت در مبانی ریاضی رشته خود ندارند. من مطمئناً احساس راحتی می کنم که در نقش "دانشمند" به جای "ریاضیدان" مشارکت کنم. در نتیجه، این کتاب در درجه اول برای افرادی نوشته شده است که با تجزیه و تحلیل داده ها مرتبط هستند. با این حال، همانطور که در فصل 1 اشاره شد، تخصص واقعی مستلزم آشنایی با هر دو سنت است.

Like most academic authors, my views are a joint product of my teaching and my research. Needless to say, my views reflect the biases that I have acquired. One way to articulate the rationale (and limitations) of my biases is through the preface of a truly great text of a previous era, Cooley and Lohnes (1971, p. v). They draw a distinction between mathematical statisticians whose intel­ lect gave birth to the field of multivariate analysis, such as Hotelling, Bartlett, and Wilks, and those who chose to "concentrate much of their attention on methods of analyzing data in the sciences and of interpreting the results of statistical analysis . . . . (and) . . . who are more interested in the sciences than in mathematics, among other characteristics. " I find the distinction between individuals who are temperamentally "mathe­ maticians" (whom philosophy students might call "Platonists") and "scientists" ("Aristotelians") useful as long as it is not pushed to the point where one assumes "mathematicians" completely disdain data and "scientists" are never interested in contributing to the mathematical foundations of their discipline. I certainly feel more comfortable attempting to contribute in the "scientist" rather than the "mathematician" role. As a consequence, this book is primarily written for individuals concerned with data analysis. However, as noted in Chapter 1, true expertise demands familiarity with both traditions.