1 Graphics with R 1.1 Managing graphics 1.1.1 Graphical Functions 1.1.2 Low-level plotting commands 1.1.3 Graphical Parameters 2 Statistical Analysis with R 2.1 Formulae 2.2 Generic Functions 2.3 Packages 3 Programming with R 3.1 Flow Control 3.2 Functions 3.3 Miscellaneous programming tips 3.4 Debugging 3.5 Efficient programming 3.6 R script editors

1 Monte Carlo Integration and Variance Reduction 1.1 Monte Carlo Integration 1.1.1 Simple Monte Carlo estimator 1.1.2 Variance and Efficiency 1.2 Variance Reduction 1.3 Antithetic Variables 1.4 Control Variates 1.4.1 Antithetic variate as control variate 1.4.2 Several control variates 1.5 Importance sampling 1.6 Stratified Sampling 1.7 Stratified Importance Sampling

1 Bootstrap and Jackknife 1.1 The Bootstrap 1.1.1 Bootstrap Estimation of Standard Error 1.1.2 Bootstrap Estimation of Bias 1.2 Jackknife 1.3 Jackknife-after-Bootstrap 1.4 Bootstrap Confidence Intervals 1.4.1 The Standard Normal Bootstrap Confidence Interval 1.4.2 The Percentile Bootstrap Confidence Interval 1.4.3 The Basic Bootstrap Confidence Interval 1.4.4 The Bootstrap t interval 1.5 Better Bootstrap Confidence Intervals 1.6 Application: Cross Validation

1 Monte Carlo Methods in Inference 1.1 Monte Carlo Methods for Estimation 1.1.1 Monte Carlo Estimation and Standard Error 1.1.2 Estimation of MSE 1.2 Estimating a confidence level 1.3 Monte Carlo Methods for Hypothesis Tests 1.4 Empirical Type I error rate 1.4.1 Power of a Test 1.4.2 Power Comparisons 1.5 Application: “Count Five” Test for Equal Variance

1 Introduction 1.1 R website 1.2 Differences between R and S 1.3 Start with R 2 Data with R 2.1 Objects 2.2 Reading data in a file 2.3 Saving data 2.4 generating data 2.5 Manipulating objects 2.5.1 Creating objects 2.5.2 Operators 2.5.3 Accessing the values of an object: the indexing system 2.5.4 Accessing the values of an object with names 2.5.5 Arithmetics and simple functions 2.5.6 Matrix Computation

SAS绘制的统计图不太美观;而SPSS绘制的统计图较为美观,可以满足 大多数情况下的要求;STATA绘制的统计图形最为精美,但由于它采用命令行 方式操作,美观的图形需要添加大量选项普通人不易掌握;而s-plS、 MATHLAB等偏数理统计的软件虽然绘图能力也非常强,但由于自身的定位问 题,并不为大多数人所熟悉。因此,在各种统计软件中,以SPSS制作的统计图 应用最为广泛

包括以下21门课程：运筹学、信息安全数学基础、复变函数、数学建模、工具软件、信息工程概论、微分方程数值解、图形图像处理、数学实验、信息与博弈、分析选讲、代数选讲、密码学、随机过程、软件工程、计算机网络、泛函分析、计算机图形学、信息论基础、网站规划与网页设计、统计与预测

❖ 1、掌握什么是主成分分析？ ❖ 2、理解主成分分析的基本思想和几何意义？ ❖ 3、理解主成分求解方法：协方差矩阵与相 关系数矩阵的差异？ ❖ 4、掌握运用SPSS或SAS软件求解主成分 ❖ 5、对软件输出结果进行正确分析

第一章EViews软件使用初步 第二章线性回归分析 第三章非线性模型 第四章传统时间序列分析 第五章ARMA模型应用 第六章动态计量模型基础 第七章多方程模型 第八章条件异方差模型 第九章Panel Data模型 第十章离散及受限因变量模型 第十一章EViews编程基础

1、掌握什么是主成分分析? 2、理解主成分分析的基本思想和几何意义? 3、理解主成分求解方法:协方差矩阵与相关系数矩阵的差异? 4、掌握运用SPSS或SAS软件求解主成分 5、对软件输出结果进行正确分析