1 Methods for Generating Random Variables 1.1 Generating Uniform(0,1) random number 1.2 Random Generators of Common Probability Distribution in R 1.2.1 The Inverse Transform Method 1.2.2 The Acceptance-Rejection Method 1.2.3 Transformation Methods 1.2.4 Sums and Mixtures 1.3 Multivariate Distribution 1.3.1 Multivariate Normal Distribution 1.3.2 Mixtures of Multivariate Normals 1.3.3 Wishart Distribution 1.3.4 Uniform Distribution on the d−Sphere 1.4 Stochastic Process

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 Markov Chain Monte Carlo Methods 1.1 Introduction 1.1.1 Integration problems in Bayesian inference 1.1.2 Markov Chain Monte Carlo Integration 1.1.3 Markov Chain 1.2 The Metropolis-Hastings Algorithm 1.2.1 Metropolis-Hastings Sampler 1.2.2 The Metropolis Sampler 1.2.3 Random Walk Metropolis 1.2.4 The Independence Sampler 1.3 Single-component Metropolis Hastings Algorithms 1.4 Application: Logistic regression

1 EM optimization method 1.1 EM algorithm 1.2 Convergence 1.3 Usage in exponential families 1.4 Usage in finite normal mixtures 1.5 Variance estimation 1.5.1 Louis method 1.5.2 SEM algorithm 1.5.3 Bootstrap method 1.5.4 Empirical Information 1.6 EM Variants 1.6.1 Improving the E step 1.6.2 Improving the M step 1.7 Pros and Cons

1 Introduction 1.1 GUI and Basic functions 1.1.1 Command Window 1.1.2 Command History 1.1.3 MatLab Help 2 Data in MatLab 2.1 Manipulating data 2.1.1 Creating Objects 2.1.2 Operators 3 Graphics 3.1 Use plotting tools 3.2 Use the command interface 3.2.1 Basic plots 3.2.2 Adding Plots to an Existing Graph 3.2.3 Multiple Plots in One Figure 3.2.4 Controlling the Axes 3.2.5 Axis Labels and Titles 3.3 Mesh and Surface Plots 3.4 Creating Specialized Plots 3.5 Advanced plotting

1 Introduction 2 SAS Language 2.1 Proc Step and Data Step 2.2 SAS Logical Library 2.2.1 Access SAS file 2.2.2 View SAS library and file 3 SAS Programming 3.1 Reading data by DATA STEP 3.2 Output format 3.3 Manipulate datasets 3.3.1 SET statement 3.3.2 SORT proc 3.4 Logical statements 3.4.1 IF-THEN statement 3.4.2 SELECT-WHEN statement 3.4.3 DO-ENDS statement 3.4.4 DO-WHILE DO-UNTIL statement 3.5 OPERATIONS 4 Basic statistical analysis 4.1 Descriptive Statistics Proc 4.1.1 MEANS proc 4.1.2 SUMMARY proc 4.1.3 UNIVARIATE proc 4.1.4 TABULATE PROC 4.1.5 GCHART proc 4.1.6 GPLOT proc 4.2 INFERENTIAL Statistics 4.2.1 T-TEST 4.2.2 Chi-square tests 4.2.3 Correlation 4.2.4 Regression

《实用统计软件》课程教学资源（阅读材料）多元分类问题中的应用 Variance Reduction with Monte Carlo Estimates of Error Rates in Multivariate Classication

《实用统计软件》课程教学资源（阅读材料）T. DiCiccio and B.Efron（1996）, Bootstrap Confidence Intervals, Statistical Science, 3,189-228

《实用统计软件》课程教学资源（阅读材料）Dan Bruns, Chattanooga, TN, An Introduction to the Simplicity and Power of SAS/Graph

《高等数学 A》 《线性代数 B》 《概率论》 《大学物理 B》 《物理实验 C》 《VISUAL BASIC 程序设计》 《VISUAL BASIC 程序设计》（实验） 《工程制图 1》 《工程制图 2》 《理论力学 A》 《材料力学 A》 《机械原理》 《机械设计》 《互换性与测量技术基础》 《电工与电子技术》 《电工与电子技术》（实验） 《机械制造技术基础》 《机械工程材料》 《机械基础实验》 《材料成型技术基础》 《液压传动》 《控制工程基础》 《微机原理与应用》 《测试技术》 《数控技术》 《机械制造装备设计》 《特种加工》 《数控加工与编程》 《机械 CAD/CAPP/CAM 》 《自动化制造系统》 《专业外语》（英语） 《专业外语》（日语） 《机电一体化基础》 《工业机器人》 《机电控制技术》 《机电综合实验》 《冲压工艺与模具设计》 《塑料成形与模具设计》 《模具 CAD》 《模具制造技术》 《模具技术概论》 《机械故障诊断》 《先进制造技术》 《工程机械》 《机械设备维修》 《高级语言与程序设计》 《质量管理与可靠性》 《工程经济学》 《物流工程概论》 《工业设计概论》 《人机工程学》 《物流设施设备》 《日语视听》 《实用软件开发日语》 《机械原理课程设计》 《机械设计课程设计》 《机械制造技术课程设计》 《工程制图综合实践》 《工程力学综合实践》 《数控加工实践》 《专业方向综合实践》 《金工实习》 《认识实习》 《生产实习》 《毕业设计》