模型的建立及其假定条件 最小二乘估计（OLS） OLS回归函数的性质 最小二乘估计量的特性 yt的分布和 的分布  的估计 拟合优度的测量 回归参数的显著性检验与置信区间 yF 的点预测与区间预测 案例分析 相关系数 EViews操作

一、问题的提出 求近似实根的步骤： １．确定根的大致范围——根的隔离．区间内的唯一实根．确定一个区间[a,b]使所求的根是位于这个问题：高次代数方程或其他类型的方程求精确根一般比较困难,希望寻求方程近似根的有效计算方法．

一、区间估计的基本概念 二、典型例题

一、区间估计的基本概念 二、典型例题 三、小结

点估计、区间估计和标准误 总体平均数的估计 标准差与方差的区间估计

北京工业大学：《概率与数理统计》课程教学资源（PPT课件讲稿）§7.5 正态总体的区间估计（二）§7.6 非正态总体的区间估计

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