5.5.4 基于t分布估计单组设计一元定量资料的预测区间
5.5.5 基于t分布估计直线回归方程中总体截距与总体斜率的置信区间
5.5.6 基于t分布估计直线回归方程中与自变量x取特定值条件下y的多种区间
5.6 基于χ2分布的多种区间估计
5.6.1 χ2分布定义
5.6.2 总体方差与总体标准差的置信区间估计
5.7 基于χ2分布和正态分布估计单组设计一元定量资料的容许区间
5.7.1 几个基本概念
5.7.2 单组设计一元定量资料容许区间估计
5.8 基于参数的假设检验导出置信区间计算公式
5.8.1 关于置信区间计算公式的说明
5.8.2 总体均值置信区间公式导出方法之一
5.8.3 总体均值置信区间公式导出方法之二
5.9 基于sas估计单组设计一元定量资料的三种区间
5.9.1 问题与数据结构
5.9.2 对数据结构的分析
5.9.3 统计分析的需求分析
5.9.4 用sas处理该单组设计一元定量资料尽可给出较多结果
5.9.5 sas输出结果及其解释
第6章 基于抽样分布的检验统计量的导出及其应用
6.1 与抽样分布有关的预备知识
6.1.1 样本算术均值x —服从什么分布
6.1.2 样本方差s2n服从什么分布
6.1.3 样本方差s2n－1服从什么分布
6.2 基于正态分布的检验统计量z的导出及其应用
6.2.1 样本取自正态分布的总体且σ2已知时检验统计量z的导出
6.2.2 服从标准正态分布的统计量z的应用场合
6.3 基于χ2分布的检验统计量χ2的导出及其应用
6.3.1 基于r×c列联表资料独立性检验统计量χ2的导出
6.3.2 服从χ2分布的统计量χ2的应用场合
6.4 基于t分布的检验统计量t的导出及其应用
6.4.1 基于一元定量资料均值假设检验的检验统计量t的导出
6.4.2 服从t分布的统计量t的应用场合
6.5 基于f分布的各种检验统计量的导出及其应用
6.5.1 基于f分布的检验统计量f的导出
6.5.2 服从f分布的统计量f的应用场合
第7章 基于*小平方法的统计模型中参数点估计公式的导出
7.1 普通*小平方法
7.1.1 普通*小平方法定义
7.1.2 普通*小平方法(ols)的计算原理
7.2 加权*小平方法
7.2.1 加权*小平方法定义
7.2.2 加权*小平方法的计算原理
7.3 广义*小平方法
7.3.1 广义*小平方法定义
7.3.2 广义*小平方法的计算原理
7.4 基于普通*小平方法的改进
7.4.1 普通*小平方法需要改进的场合
7.4.2 降低自变量之间多重共线性影响的改进措施
7.4.3 降低异常点影响的改进措施
7.5 偏*小平方法
7.5.1 偏*小平方法定义
7.5.2 偏*小平方法的计算原理
第8章 加权*小平方法与偏*小平方法的应用
8.1 加权*小平方法的应用
8.1.1 以自变量平方的倒数为权重进行加权*小平方估计
8.1.2 以各试验点上重复试验次数的倒数为权重进行加权*小平方估计
8.1.3 以各试验点上因变量残差平方的倒数为权重进行加权*小平方估计
8.2 偏*小平方法的应用
8.2.1 问题与数据结构
8.2.2 用两种检验方法来决定抽取几对主成分变量
8.2.3 如何获得较多统计量的计算结果
第9章 基于*大似然法的统计模型中参数点估计公式的导出及其应用
9.1 *大似然法
9.1.1 用日常语言表述
9.1.2 用数学语言表述
9.2 其他*大似然法
9.3 *大似然法的应用举例
9.3.1 用于概率密度函数或概率函数中参数的点估计
9.3.2 用于某些多重回归模型中回归系数的点估计
第10章 统计分析的关键技术
10.1 从统计计算角度考量统计分析的关键技术
10.1.1 概述
10.1.2 **类统计分析关键技术——发现新的概率分布规律
10.1.3 第二类统计分析关键技术——构建高维空间多层次多因素多指标复杂时间
序列模型
10.1.4 第三类统计分析关键技术——发现有广泛适应性且有可扩展性的回归系数
估计方法
10.1.5 第四类统计分析关键技术——求估计方程解的各种新算法
10.2 从统计应用角度考量统计分析的关键技术
10.2.1 概述
10.2.2 **类统计分析关键技术——为统计分析方法进行合理分类
10.2.3 第二类统计分析关键技术——合理选择统计分析方法
附录a 胡良平统计学专著及配套软件简介            

 2/2   首页 上一页 1 2

自然科学 数学 概率论与数理统计

在线阅读