大学数学（一）：一元微积分学的电子教案。

.ppt第4章一元线性回归.ppt多元线性回归.ppt第5章一元方差分析.ppt二元方差分析.pp

北京大学《数学分析》pdf讲义，主要讲解一元微积分与多元微积分的内容，章节齐全，内容完整：第一章实数

基础实验1 函数与极 基础实验2 微分及其应用 基础实验3 积分及其应用 基础实验4 三角级数 专题实验1 极限的应用 专题实验2 选址问题 专题实验3 销售决策问题 专题实验4 级数的应用 专题实验5 钓鱼问题

UML及其建模工具的使用完整课件，内含包括：一元二次方程求根、UML及其建模工具的使用、UMLCAI

第一章 MATLAB 简介 - 2 第二章 MATLAB 的基本知识 - 8 第三章 MATLAB 的 M 文件设计 - 34 第一章 一元函数微分学 - 61 第二章 一元函数积分学 - 72 第三章 无穷级数 - 76 第四章 多元函数积分学 - 80 第五章 多元函数积分学 - 86 第六章 关于不含参变量反常积分和含参变量反常积分的计算 - 90 第一章 MATHEMATICA 简介 - 94 第二章 MATHEMATICA 的基本量 - 98 第三章 MATHEMATICA 作图 - 103 第一章 一元函数微分学 - 115 第二章 一元函数积分学 - 135 第三章 无穷级数 - 140 第四章 多元函数微分学 - 145 第五章 多元函数积分学 - 149 第一章：一元函数微分学 第一章 Mathematica 简介 第二章 Mathematica 的基本量

第一节 一元羧酸的结构和命名 第二节 一元羧酸的物理性质 第三节 羧酸的酸性 第四节 酯化反应 第五节 一元羧酸的其他反应 第六节 一元羧酸的制法 第七节 一元羧酸的来源合用途 第八节 二元羧酸

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题