一、理解并能应用统计思想 二、熟练掌握常用方法: 三、假设检验、方差分析、回归分析、实验设计等 四、了解其它统计方法的适用范围、限制条件等 1.1 随机现象与统计规律性 1.2 样本空间与事件 1.3 概率 1.4 概率的运算 1.5 独立性 1.6 全概公式

1.一组样本与总体的比较 2.两组样本的比较(成组设计) 3.两组样本的比较(配对设计) 4.单因素多组样本的比较(成组设计) 5.双因素多组样本的比较(配伍组设计) 6.三因素三组及以上设计(拉丁方设计) 7.三个或以上因素并交互作用(正交设计)

一般的抽象系统都包含有许多影响因素多种因素共同作用的结果 决定了系统的发展态势。我们希望从众多的因素中判断出,哪些是 主要因素、哪些是次要因素。这些属于系统分析的内容,数理统计 中的回归分析、方差分析、主成分分析等都可以用来进行系统分析 这些方法的不足之处是:

当试验的处理数目K≥3时,不能直接应用t测验及u测验 的两两测验方法进行平均数假设测验的原因有三: 1.当有K个处理平均数时,将有[k(k-1)]/2个差数, 要对这诸多差数逐一进行比较测验,程序实为繁琐。 2.试验误差估计的精确度要受到损失。 3.两两测验的方法会随着K的增加而大大增加犯α错误 的概率

当试验的处理数目K≥3时,不能直接应用t测验及u测验 的两两测验方法进行平均数假设测验的原因有三: 1.当有K个处理平均数时,将有[k(k-1)]/2个差数, 要对这诸多差数逐一进行比较测验,程序实为繁琐。 2.试验误差估计的精确度要受到损失。 3.两两测验的方法会随着K的增加而大大增加犯α错误 的概率

一、、假设检验的意义 所谓假设检验,就是对某一总体参数先作 出假设的数值;然后搜集样本资料,用这些样本 资料确定假设数值与样本数值之间的差异;最后 ,进一步判断两者差异是否显著,若两者差异很 小,则假设的参数是可信的,作出“接受”的结 论,若两者的差异很大,则假设的参数准确的可 能性很小,作出“拒绝”的结论

前章介绍了两样本均数比较的t检验。在医学科 学研究中,常常要通过多个样本均数比较来推 断各处理组间是否存在差别,此时若多次重复 使用ttest,会使犯第Ⅰ类错误(假阳性错误 )的概率增大,且脱离了原先的实验设计,将 多个样本均数的同时比较转变为两个样本均数 的多次比较。若采用实验设计所对应的方差分 析同时分析多个样本均数的差别,则可避免以 上问题

第1章绪论 第2章定量资料统计描述 第3章总体均数的区间估计和假设检验 第4章方差分析 第5章定性资料的统计描述 第6章总体率的区间估计和假设检验 第7章二项分布与泊松分布 第8章秩和检验 第9章直线相关与回归 第10章实验设计 第11章调查设计 第12章统计表与统计图

第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布… 第四章 随机变量的数字特征94 第五章 大数定律及中心极限定理 第六章 样本及抽样分布 第七章 参数估计 第八章 假设检验 第九章 方差分析及回归分析 第十章 随机过程及其统计描述 第十一章 马尔可夫链 第十二章 平稳随机过程 第十三章 选做习题 第十四章 教材第二版中未被列人第三版的习题

在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计