第一节 概述 第二节 测量误差 一、误差分类及产生原因 二、误差的表示方法 三、误差的传递 四、提高分析结果准确度的方法 第三节 有效数字及其运算规则 一、有效数字 二、有效数字的修约规则 三、有效数字的运算法则 第四节 偶然误差的正态分布 一、偶然误差的正态分布和标准正态分布 二、偶然误差的区间概率 第五节 有限数据的统计处理和t分布 一、正态分布与 t 分布区别 二、平均值的精密度和平均值的置信区间 三、显著性检验

点估计 估计量的评选标准 区间估计 正态总体参数的区间估计

§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

第一节 概述 第二节 测量误差 一、误差分类及产生原因 二、误差的表示方法 三、误差的传递 四、提高分析结果准确度的方法 第三节 有效数字及其运算规则 一、有效数字 二、有效数字的修约规则 三、有效数字的运算法则 第四节 偶然误差的正态分布 一、偶然误差的正态分布和标准正态分布 二、偶然误差的区间概率 第五节 有限数据的统计处理和t分布 一、正态分布与 t 分布区别 二、平均值的精密度和平均值的置信区间 三、显著性检验

海南大学：《概率论与数理统计》课程教学资源（教案讲义）ch7 参数估计 第三讲（0-1）分布参数的区间估计 单侧置信区间

海南大学：《概率论与数理统计》课程教学资源（教案讲义）ch7 参数估计 第二讲 区间估计、正态总体均值与方差的区间估计

§7.1 参数估计的一般问题 §7.2 一个总体参数的区间估计 §7.3 两个总体参数的区间估计 §7.4 样本容量的确定

一、区间估计的基本概念 二、典型例题 三、小结

1、原函数 如果在区间I 内，可导函数F( x) 的导函数为 f ( x) ， 即 x  I ， 都 有 F(x) = f (x) 或 dF( x) = f ( x)dx，那么函数F( x) 就称为 f ( x)或 f ( x)dx在区间I 内原函数