一、源分布抽样过程 二、空间、能量和运动方向的随机游动过程 三、记录贡献和分析结果过程 四、核截面数据的引用 五、蒙特卡罗程序结构 六、作业

《专业导论》 《认识实习》 《高等数学》 《线性代数及其应用》 《国民经济统计学》 《随机过程》 《运筹学》 《实用回归分析》 《应用计算软件（SPSS）》 《概率论》 《企业经营统计》 《应用时间序列分析》 《非参数统计》 《实用统计软件（R 语言）》 《抽样技术与应用》 《应用多元统计分析》 《大数据技术》 《Python 语言与数据挖掘》 《探索性数据分析》 《数据可视化》 《统计推断》 《统计建模》 《装备制造企业统计学》 《统计专业英语》 《社会统计与社会调查方法》 《空间数据分析》 《数理统计》 《毕业实习》 《毕业设计（论文）》

一.概率的概念 自然界和社会上的现象一般分为两类，一类称为必然现象如：水在一 个大气压下加热到摄氏100 必然沸腾，同性电荷必然相互排斥等等。另一 类称为随机现象，即带有随机性、偶然性的现象。如：抛掷一枚均匀的硬 币，其结果可能是整面朝上，也可能是反面朝上，事先无法肯定

一.概率的概念 自然界和社会上的现象一般分为两类，一类称为必然现象如：水在一 个大气压下加热到摄氏100 必然沸腾，同性电荷必然相互排斥等等。另一 类称为随机现象，即带有随机性、偶然性的现象。如：抛掷一枚均匀的硬 币，其结果可能是整面朝上，也可能是反面朝上，事先无法肯定

一、概率的概念 自然界和社会上的现象一般分为两类,一类称为必然现象如:水在一 个大气压下加热到摄氏100必然沸腾,同性电荷必然相互排斥等等。另一 类称为随机现象,即带有随机性、偶然性的现象。如:抛掷一枚均匀的硬 币,其结果可能是整面朝上,也可能是反面朝上,事先无法肯定。又如, 袋中装有红色和白色两种球,从中任意取出一只,取出的球可能是红色也 可能是白色,事先无法肯定等等

16.1数据从何而来？如何善用资讯？ 16.2 样本告诉我们什么？ 16.3 好样本与坏样本 16.4怎样可取得坏样本？ 16.5有偏抽样法 16.6 简单随机样本 16.7谈谈实验

§11.1 计算积分的Monte Carlo方法 §11.2 Markov链Monte Carlo方法简介 §11.3 Metropolis-Hastings算法 §11.4 Gibbs抽样 §11.5 贝叶斯MCMC估计方法

本章在介绍概率论中最基本的两个概念——事件、概率的基础上，重点介绍生物科学研究中常用的几种随机变量的概率分布——正态分布、二项分布、波松分布以及样本平均数的抽样分布和t分布

Chapter 1 预备知识 Chapter 2 随机过程的基本概念和基本类型 Chapter 3 泊松过程 Chapter 4 更新过程 Chapter 5 马氏链 Chapter 6 鞅 Chapter 7 布朗运动 Chapter 8 随机积分 Chapter 9 随机过程在金融中的应用 Chapter 10 随机过程在保险中的应用 10.1 基本概念 10.2 经典破产理论介绍 Chapter 11 MCMC 方法 11.1 计算积分的蒙特卡洛方法 11.2 MCMC 方法简介 11.3 Metropolis-Hastings 算法 11.4 Gibbs 抽样 11.5 贝叶斯 MCMC 估计方法

第一节 完全随机设计的方差分析 第二节 随机区组设计的方差分析 第三节 多个样本均数的两两比较 第四节 析因设计的方差分析 第五节 多个方差齐性检验 第一节 相对数的概念及计算 第二节 相对数使用应注意的问题 第三节 率的标准化 第四节 医学中常用的相对数指标 第五节 率的抽样误差与区间估计