六十年代初,美国一些理工科大学鉴于当时的基础物理教学与现代科学技术的发展不 相适应,纷纷试行教学改革,加里福尼亚理工学院就是其中之一,该校于1961年9月至 1963年5月特请著名物理学家理查德费曼主讲一二年级的基础物理课,事后又根据讲课 录音编辑出版了《费曼物理学讲义》本讲义共分三卷第一卷包括力学、相对论、光学气体 分子运动论热力学波等,第二卷主要是电磁学第三卷主要是量子力学.全书内容十分丰 富,在深度和广度上都超过了传统的物理教材

在人体内,水不仅是构成机体的主要成分,而且是维持生命活动、调节代谢 过程不可缺少的重要物质。例如,水使人体体温保持稳定,因为水的热容量大, 旦人体内热量增多或减少也不致引起体温岀现大的波动。水的蒸发潜热大,蒸 发少量汗水即可散发大量热能,通过血液流动使全身体温平衡。水是一种溶剂, 能够作为体内营养素运输、吸收和废弃物排泄的载体,可作为化学和生物化学反 应物或反应介质,也可作为一种天然的润滑剂和增塑剂,同时又是生物大分子化 合物构象的稳定剂,以及包括酶催化在内的大分子动力学行为的促进剂

本书精选了高等数学与线性代数共1200多道题·分为例题和习题两部分编写而成，这些题目大多选自历年各高校的研究生入学试题及全国统考试题，类型全面，覆盖面广，信息量大我们假定读者手中已有一套高等数学与线性代数的教材，因而在每节的开头只列出内容要点，或列出一些很重要的但不易记往的公式.各种类型问题的解题方法和技巧将有层次地贯率于整节的例题之中，以此为读者提供切实有效的指南.每节后面都有相应数量的习题.供读者通过自己动手解题来掌握要领，触类旁通，提高解题的能力.在书的末尾、给出了数学（一）至数学（五）的五套摸拟试题·供读者自我检验.左上角标有“△”记号者，表示该题为全国统考试题本书除作为硕士生入学考试的应考指南外，也可作为工科院校(包括电大、夜大、业大、职大等)学生学习高等数学和线性代数的教学参考书

本书精选了高等数学与线性代数共1200多道题·分为例题和习题两部分编写而成，这些题目大多选自历年各高校的研究生入学试题及全国统考试题，类型全面，覆盖面广，信息量大我们假定读者手中已有一套高等数学与线性代数的教材，因而在每节的开头只列出内容要点，或列出一些很重要的但不易记往的公式.各种类型问题的解题方法和技巧将有层次地贯率于整节的例题之中，以此为读者提供切实有效的指南.每节后面都有相应数量的习题.供读者通过自己动手解题来掌握要领，触类旁通，提高解题的能力.在书的末尾、给出了数学（一）至数学（五）的五套摸拟试题·供读者自我检验.左上角标有“△”记号者，表示该题为全国统考试题本书除作为硕士生入学考试的应考指南外，也可作为工科院校(包括电大、夜大、业大、职大等)学生学习高等数学和线性代数的教学参考书

结构方程模型( Structural Equation Modeling,简略标志为SEM)是一种非 常通用的、主要的线性统计建模技术,广泛应用于心理学、经济学、社会学、行 为科学等领域的研究。实际上,它是计量经济学、计量社会学与计量心理学等领 域的统计分析方法的综合。多元回归( multiple regression)、因子分析( factor analysis)和通径分析( path analysis)等方法都只是结构方程模型中的一种特例。 结构方程模型是统计分析方法中一个新发展的领域,它的应用始见于60年代发 表的硏究论文中,到∫90年代初期开始得到广泛的应用

在机械制造中,广泛采用轧制、锻造、冲击、冷压与冷镦等成形工艺,各 种压力加工方法都应使金属材料按预定的要求进行塑性变形,以使其内部的组织和结构发 生变化,从而达到不同的性能指标。塑性变形是强化金属的重要手段。变形后的金属在加 热时发生回复和再结晶,进一步影响工件最终的组织及性能。研究金属材料塑性变形及再 结晶过程,有助于深入理解变形加工过程中组织演变规律及各种力学性能变化的本质,在生 产实践中充分发挥金属材料的强度潜力,为确定合适的压力加工工艺和退火工艺提供依据

聚类分析( Cluster Analysis)是根据研究对象的特征对研究对象进行分类的 多元分析技术的总称分类问题是各个学科领域都普遍存在的问题,例如人口学 中研究人口生育分类模式、人口死亡分类模式;医学中对各种精神病特征的分 析;市场营销学中进行市场分层、确定目标市场等等,这些都需要对研究对象 进行分类。聚类分析是应用最广泛的分类技术,它把性质相近的个体归为一类 使得同一类中的个体具有高度的同质性,不同类之间的个体具有高度的异质 聚类分析的大部分应用都属于探测性研究,最终结果是产生研究对象的分 类,通过对数据的分类研究还能产生假设。聚类分析也能用于证实性目的,对于 通过其他方法确定的数据分类,可以应用聚类分析进行检验

在社会科学研究中,一个经常会遇到的问题就是要对定性变量数据进行量化 分析,因为研究中往往使用一些定性( Nonmetric)变量,例如名义变量或序次 变量来反映研究对象的行为、态度等,研究不同性别的顾客对不同品牌商品的喜 好,不同职业的人在吸烟行为上的差异等都属于此类研究。以往在分析这样的定 性变量时,往往需要使用非线性统计方法,例如L< linear等,但在每个变量都 划分成许多类别的情况下,这些分析方法就很难直观地揭示出变量之间的联系以 及变量类别之间的关系

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量