引言 第一章 回归分析 第二章 双变量回归分析 第三章 多变量回归分析 第四章 非线性模型 第五章 多重共线性 第六章 异方差 第七章 自相关 第八章 单方程模型的几个问题 第九章 联立方程模型 第十章 时间序列分析

重要的专业基础课，是计量经济学、抽样调查、市场调查、多元统计、统计预测与决策、时间序列分析、国民经济核算、数据处理与数据分析等专业主干课的学习基础

《科技论文写作》 《数学分析》 《高等代数与解析几何》 《概率论及数理统计 A》 《常微分方程》 《大学物理 C》 《物理实验 C》 《计算机导论》 《计算机导论》（实验） 《C/C++语言程序设计 D》 《C/C++语言程序设计 D》（实验） 《运筹学》 《微观经济学》 《统计学》 《宏观经济学》 《计量经济学》 《数据库原理及其应用》 《数据库原理及其应用》（实验） 《会计学 A》 《货币银行学》 《金融数学》 《投资学》 《应用时间序列分析》 《数理金融初步》 《保险学》 《随机过程及其在金融领域中的应用》 《博弈论与信息经济学》 《公司财务》 《金融市场学》 《投资组合与分析》 《复变函数 A》 《抽象空间与未定权益空间》 《数学规划及其在经济中的应用》 《实变函数与泛函分析》 《数学分析专题研究》 《高等代数专题研究》 《数学建模》 《经济数学软件实训》 《认识实习》 《毕业实习》

§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

为较好地表征当前北京整个区域大气颗粒物质量浓度随时间尺度的变化及区域分布污染特征，根据北京市35个监测站点获得的2013年3—5月颗粒物质量浓度1 h均值，分析和研究PM2.5和PM10质量浓度的季节性变化并提高其空间分辨率，在此基础上探讨颗粒物可能的影响因素及污染来源.结果表明，3—5月颗粒物质量浓度具有周期性变化规律和显著相关性，应用MATLAB空间插值算法实现的颗粒物质量浓度区域分布图具有一定精度，可外推并揭示颗粒物区域污染特征.分析表明当前北京颗粒物污染的影响因素有冬末的冷锋和降雪、春季的沙尘和大风、夏初的降雨和湿热等；污染区域则呈现南高北低的特征，污染来源除了本地人为源以外，周边区域传输也有较大影响.通过颗粒物污染的时间序列和空间插值的结合分析，可为进一步研究颗粒物时空关系及掌握区域污染特征提供方法

第1章 导论 一、学习指导 二、选择题 三、选择题答案 四、教材练习题详细解答 第2章 数据的搜集 一、学习指导 二、选择题 三、选择题答案 第3章 数据的图表展示 一、学习指导 二、选择题 三、选择题答案 四、教材练习题详细解答 第4章 数据的概括性度量 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第5章 概率与概率分布 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第6章 统计量及其抽样分布 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第7章 参数估计 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第8章 假设检验 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第9章 分类数据分析 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第10章 方差分析 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第11章 一元线性回归 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第12章 多元线性回归 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第13章 时间序列分析和预测 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 第14章 指数 一、学习指导 二、主要公式 三、选择题 四、选择题答案 五、教材练习题详细解答 模拟试题一 模拟试题一解答 模拟试题二 模拟试题二解答

一、学科平台课程 1《管理学 B》 2《会计学 A》 3《微观经济学》 4《宏观经济学》 5《财政学》 6《政治经济学》 7《统计学》 8《计量经济学》 9《经济法》 二、专业课程 1《金融学》 2《证券投资学》 3《国际经济学》 4《商业银行经营与管理》 5《期货投资理论与实务》 6《国际金融》 7《金融市场学》 8《公司财务》 9《金融工程学》 10《金融衍生品交易》 三、个性化发展课程 1《创业学》 2《企业经营实训》 3《金融学科前沿专题》 4《保险学》 5《中央银行学》 6《投资银行学》 7《金融数据分析》 8《金融时间序列分析》 9《银行会计》 10《金融交易模拟》 11《金融法规与监管》 12《金融英语》 13《互联网金融与金融科技》 14《产业组织理论》 15《逻辑学》 16《行为金融学》 17《信用管理》 18《管理沟通》 19《证券投研报告写作》 20《金融英文文献选读》 四、实践环节 1《认识实习》 2《业务实习》 3《毕业实习》 4《社会调查》 5《学年论文》 6《毕业论文》

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

针对机器或设备的剩余寿命（Remaining useful life, RUL）预测精度低的问题，提出基于一维卷积神经网络（Convolutional neural network, CNN）和双向长短期记忆（Bidirectional long short-term memory, BD-LSTM）的集成神经网络模型。为了更好地抽取时间序列上的特征，以及产生更多的训练样本，采用滑动窗口对数据进行处理，同时采用卡尔曼滤波对数据进行降噪处理，将数据标准化以及设置RUL标签。与人工提取特征不同，利用一维CNN对数据进行特征提取，并舍弃了CNN中的池化层。然后将提取到的高维特征输入到BD-LSTM进行回归预测，并采用Bagging的方式对此神经网络进行集成来预测RUL。最后通过在NASA的数据集上验证该模型的有效性，以及相比于其他机器学习或者深度学习模型的优越性，实验表明所提模型在RUL预测方面更加准确

本章学习序列的DFS和DTFT, 分析信号和系统的频域特性。  序列的DFS的定义及性质  序列DTFT的定义及性质  频域采样  3.1 周期序列DFS的定义  3.2 周期序列DFS的基本性质  3.3 非周期序列DTFT的定义  3.4 序列DTFT的基本性质  3.5 周期序列DTFT  3.6 序列的频域采样