§3.1 多元线性回归模型 一、多元线性回归模型 二、多元线性回归模型的基本假定 §3.2 多元线性回归模型的估计 一、普通最小二乘估计 二、参数估计量的性质 三、样本容量问题 四、估计实例 §3.3 多元线性回归模型的统计检验 一、拟合优度检验 二、方程的显著性检验(F检验) 三、变量的显著性检验（t检验） 四、参数的置信区间

3.1 简单随机抽样及实施方法 3.2 总体平均数与总和的估计 3.3 估计量的方差及其估计

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

前面讨论的简单随机抽样和分层抽样，我们所关心的参 数都是单指标的，给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况，我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时，遇到的统计量不再是线 性形式，往往呈现出非线性形式，比如两个变量之比，或呈 现变量之间的回归关系

从区域化变量分布的稳健性角度,借鉴产品加工质量精度控制的理论,基于Johnson分布曲线族提出了一套非正态数据转换方法,并设计了转换流程.以SPSS和Surpac矿业软件为工具,通过实际案例分析了传统数据转换方法和Johnson转换方法的应用效果.实践证明,采用上述方法转化后的数据开展统计分析、变异函数模型的拟合及验证、克立格估计等工作,更容易满足稳健性要求,并能从本质上减小估计误差,提高估计精度

描述了协同区域化及协同区域化变量的概念,较详细地讨论了交叉矩及其性质(例如互协方差及互变异函数)。重点讨论了协同克立格法(包括协同克立格方程组及协同克立格方差等),给出了根据估计邻域内金和银的数据,并应用协同克立格法实例估计一个等估块段中金的平均含量

§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

第五部分多方程分析 第21章系统估计--讨论了方程系统的估计 第22章向量自回归和误差修正模型-向量自回归模型以及向量误差修正模型估计。给出检验非稳定变量之间协整关系的工具。 第23章状态空间模型和卡尔曼滤波----利用状态空间模型和卡尔曼滤波工具建立结构时间序列模型