3.5 二维随机变量数字特征、中心极限定理
第4章 参数估计与假设检验
　4.1 随机数的产生
　　4.1.1 二项分布的随机数据的产生
　　4.1.2 正态分布的随机数据的产生
　　4.1.3 常见分布的随机数产生
　　4.1.4 通用函数求各分布的随机数据
　4.2 随机变量的概率密度计算
　　4.2.1 通用函数计算概率密度函数值
　　4.2.2 专用函数计算概率密度函数值
　　4.2.3 常见分布的密度函数作图
　4.3 随机变量的累积概率值
　　4.3.1 通用函数计算累积概率值
　　4.3.2 专用函数计算累积概率值
　4.4 随机变量的逆累积分布函数
　　4.4.1 通用函数计算逆累积分布函数值
　　4.4.2 专用函数?inv计算逆累积分布函数
　4.5 参数估计
　　4.5.1 常见分布的参数估计
　　4.5.2 非线性模型置信区间预测
　　4.5.3 对数似然函数
　4.6 假设检验
　　4.6.1 σ2已知，单个正态总体的均值μ的假设检验（u检验法）
　　4.6.2 σ2未知，单个正态总体的均值μ的假设检验（t检验法）
　　4.6.3 两个正态总体均值差的检验（t检验）
　　4.6.4 两个总体一致性的检验——秩和检验
　　4.6.5 两个总体中位数相等的假设检验——符号秩检验
　　4.6.6 两个总体中位数相等的假设检验——符号检验
　　4.6.7 正态分布的拟合优度测试
　　4.6.8 正态分布的拟合优度测试
　　4.6.9 单个样本分布的kolmogorovsmirnov测试
　　4.6.1 0两个样本具有相同的连续分布的假设检验
第5章 方差分析
　5.1 单因子方差分析
　　5.1.1 基本概念与数学模型
　　5.1.2 统计分析
　　5.1.3 单因子方差分析表
　5.2 双因子方差分析
　　5.2.1 双因子方差分析模型
　　5.2.2 无交互影响的双因子方差分析
　　5.2.3 有交互影响的双因子方差分析
　5.3 方差分析的matlab实现
　　5.3.1 单因子方差分析的matlab实现
　　5.3.2 双因子方差分析的matlab实现
第6章 回归分析
　6.1 一元线性回归分析
　　6.1.1 一元线性回归模型
　　6.1.2 参数的*小二乘估计
　　6.1.3 回归方程的显著性检验
　　6.1.4 回归方程的拟合检验
　6.2 多元线性回归分析
　　6.2.1 多元线性回归模型
　　6.2.2 回归系数β的*小二乘估计
　　6.2.3 多元线性回归模型的显著性检验
　　6.2.4 回归模型的拟合性检验
　6.3 回归模型的选择方法
　　6.3.1 去掉解释变量
　　6.3.2 增加解释变量
　　6.3.3 模型选择的一般方法
　6.4 逐步回归分析
　　6.4.1 逐步回归分析概述
　　6.4.2 逐步回归分析的数学模型
　　6.4.3 逐步回归分析的步骤
　6.5 回归分析的matlab实现
　　6.5.1 多元线性回归的matlab实现
　　6.5.2 多项式回归的matlab实现
　　6.5.3 非线性回归的matlab实现
　　6.5.4 逐步回归的matlab实现
第7章 因子分析
　7.1 因子分析简介
　　7.1.1 什么是因子分析
　　7.1.2 因子分析的数学模型
　　7.1.3 因子分析中的几个统计特征
　　7.1.4 因子载荷矩阵的估计方法
　7.2 因子旋转和因子得分
　　7.2.1 为什么要旋转因子
　　7.2.2 因子旋转的主要方法
　　7.2.3 因子得分
　7.3 因子分析的步骤
　7.4 因子分析的matlab实现
第8章 马尔可夫链
　8.1 马尔可夫链的理论基础
　　8.1.1 马尔可夫链的定义
　　8.1.2 离散参数马尔可夫链
　　8.1.3 离散参数齐次马尔可夫链
　　8.1.4 时间连续马尔可夫链
　8.2 马尔可夫链实例分析
　8.3 马尔可夫链数学建模的matlab实现
附录
　附录a 彩票方案的数学模型
　附录b 自贡旅游需求资源预测
参考文献

 2/2   首页 上一页 1 2

自然科学 数学 运筹学

在线阅读