第一节 测量和测量误差 第二节 不确定度及其概念 第三节 B类不确定度估算 第四节 直接测量结果与不确定度的估算 第五节 间接测量结果与不确定度的估算 第六节 有效数字与近似计算

第一节 测量和测量误差 第二节 不确定度及其概念 第三节 B类不确定度估算 第四节 直接测量结果与不确定度的估算 第五节 间接测量结果与不确定度的估算 第六节 有效数字与近似计算

2 .1 一元线性回归模型 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注

我们知道在进行抽样设计时，往往要求先掌握关于总体 的一些知识。比如分层抽样时，必须知道各层的权重。又如 进行比估计和回归估计时，必须事先知道辅助变量的总体总 和或者均值。有时候，我们对这些知识一无所知，似乎不能 利用一些好的抽样方法。其实不然，只要获取那些知识的代 价并不算大，我们就可以先进行一次抽样，获得辅助信息的 知识，然后再进行第二次抽样。第二次抽样就可以使用分层 抽样或者比估计等方法了

一、参数估计量的区间估计 二、预测值的区间估计

参数估计的内容: 1、点估计(Point Estination):估计未知参数的值 2、区间估计(Interval Estimation):估计未知参数的估计值的精确性和可靠性 0=θ+△ 本章介绍统计学中的参数估计的一些基本概念和方法

§6.1 点估计的几种方法 §6.2 点估计的评价标准 §6.3 最小方差无偏估计 §6.4 贝叶斯估计 §6.5 区间估计

一、点估计 二、估计量的评选标准 三、区间估计 四、正态总体均值与方差的区间估计

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 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 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 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

问题1极大似然估计具有不变性,矩估计是否也具有? 答否 例如服从反射正态分布,其p.d.f为现用矩法分别对和作估计