●多元线性回归模型及古典假定 ●多元线性回归模型的估计 ●多元线性回归模型的检验 ●多元线性回归模型的预测

§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

第一节 多元线性回归模型 第二节 多元线性回归模型的参数估计 第三节 多元线性回归模型的统计检验 第四节 多元线性回归模型的预测

本章 5.1 节为概述。5.2 节介绍 Lyapunov 意义下的稳定性定义。5.3 节给出Lyapunov 稳定性定理，并将其应用于非线性系统的稳定性分析。5.4 节讨论线性定常系统的 Lyapunov 稳定性分析。5.5 节给出模型参考控制系统，首先用公式表示 Lyapunov 稳定性条件，然后在这些条件的限制下设计系统。5.6 节讨论线性二次型最优控制系统，将采用 Lyapunov 稳定性方程导出线性二次型最优控制的条件。5.7 节给出线性二次型最优控制问题的 MATLAB 解法

§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

•第一节、多元线性回归模型 •第二节、多元线性回归模型的参数估计 •第三节、多元线性回归模型的统计检验 •第四节、多元线性回归模型的预测 •第五节、回归模型的其他形式

二. 向量组的线性相关性 一. 向量组及其线性组合 三. 向量组的秩 四. 向量空间 五. 线性方程组解的结构

一、线性表的定义和基本操作 二、线性表的顺序存储结构 三、线性表的链式存储结构 四、线性表的应用举例

4.1 向量的类型 4.2 向量及其线性组合 4.3 向量组的线性相关性 4.4 从向量空间看线性方程组的解 4.5 用MATLAB解线性方程组综述 4.6.1 减肥配方的实现 4.6.2 三维空间中的平面方程 4.6.3 价格平衡模型 4.6.4 混凝土配料中的应用

§2.1 线性表的类型定义 §2.2 线性表的顺序表示和实现 §2.3 线性表的链式表示和实现 §2.4 线性表的应用举例