1.3概率模型与公理化结构 一、可测空间 柯氏公理体系是现代概率论的基石从古典概率、几何概率等共有基本属性出发,抽象并建立概率论的基础理论. 回顾古典概率、几何概率的定义,有如下问题:

在介绍盒子模型时已经指出,对于总体中具有某种特性 的单元所占比例的抽样调查,可建立0-1盒子模型。N个 具有某种特性的单元相应的票上全标上1,其余全标上0

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 多重共线性及其解决方案 第七节 虚拟变量的应用 第八节 计算机应用 第九节 研究实例

第二节 浓度与扩散 第三节 Fick第一扩散定律 第四节 氧气在水膜内的扩散和反应 第五节 多空丸模型 第六节 活塞流反应器 第七节 连续搅拌反应器（CSTR） 第八节 阶式CSTR 第九节 停留时间函数 第十节 实验方法 第十节 阶式CSTR 第十一节E(t)函数的组合 第十二节液龄分布函数的统计参数 第十三节E(t)、混合与反应动力学 第十四节无量纲化 第十五节分散模型 第十六节反应器的设计 第十七节各种反应器的比较

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 虚拟变量的应用 第七节 多重共线性及其解决方案 第八节 计算机应用

1 .1 变量间的统计关系 1 .2 回归方程与回归名称的由来 1 .3 回归分析的主要内容及其一般模型 1 .4 建立实际问题回归模型的过程 1 .5 回归分析应用与发展述评

1 一个例子 2 最小二乘法 3 从线性到非线性：用线性模型 4 概率解释 最大似然估计 最大后验概率估计 正则化效果 5 偏置-方差困境 损失函数的第一步分解 损失函数的第二步分解 对多个数据集的简单总结

第一节 时间序列分析概述 ◼ 一、时间序列的概念 ◼ 二、时间序列的种类 ◼ 三、时间序列的编制原则 第二节 时间序列分析的水平指标 第三节 时间序列分析的速度指标 第四节 时间序列的长期趋势分析 ◼ 一、时间序列的构成因素和分析模型 ◼ 二、长期趋势测定方法之时距扩大法 ◼ 三、长期趋势测定方法之移动平均法 ◼ 四、长期趋势测定方法之趋势模型法 ◼ 五、长期趋势测定方法之趋势外推预测 第五节 季节变动与循环波动分析 ◼ 一、季节变动分析 ◼ 二、循环波动分析

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 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 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 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

1 概率密度估计 2 最大似然估计 例 1 均值和方差的无偏与有偏估计 什么是高斯分布 ML 的全局最优？ 二元函数局部最优条件 例 2 3 最大后验概率估计 例 3 4 贝叶斯估计 例 4 5 期望最大化 EM EM 在高斯混合模型中的应用