1. Times 大数据时代 2. Concept 大数据概念 3. Influence 大数据的影响 4. Application 大数据的应用 5. Key technology 大数据关键技术 6. Computation mode 大数据计算模式 7. Industry 大数据产业 8. Relationship between BD&CP and IOT 大数据与云计算、物联网的关系 9. Study advice 学习建议

实验一 计算器的使用 实验二 单个样本平均数的统计推断 实验三 两个样本平均数的统计推断 实验四 卡平方测验 实验五 单因素试验结果的统计分析 实验六 多因素试验结果的统计分析 实验七 直线回归与相关 实验八 多元回归与相关

第一节 事件与概率 第二节 概率分布 第三节 正态分布 第四节 二项分布 第五节 波松分布 第六节 样本平均数的抽样分布 第七节 t分布

第一节 方差分析的基本原理与步骤 第二节 单因素试验资料的方差分析 第三节 两因素试验资料的方差分析

第一节 显著性检验的基本原理 第二节 样本平均数与总体平均数差异显著性检验 第三节 两个样本平均数的差异显著性检验 第三节 百分数资料差异显著性检验 第四节 总体参数的区间估计

11.1 配位滴定法概述 11.2 影响金属EDTA配合物稳定性的因素 11.3 配位滴定的基本原理(单一金属离子的滴定) 11.4 金属离子指示剂 11.5 提高配位滴定选择性的方法 11.6 配位滴定的方式和应用

13.2 条件电极电势与氧化还原平衡 13.1 概述 13.3 氧化还原滴定的基本原理 13.4 氧化还原滴定法的指示剂 13.5 氧化还原滴定前的预处理 13.6 常用的氧化还原滴定法 13.7 氧化还原滴定法计算示例

§1 引言 §2 泰勒级数法(Taylor Series Method) §3 基于数值微分公式的方法 §4 龙格－库塔法(Runge-Kutta Method) §5 线性多步法(Linear Multi-step Method)

§1 不等距节点下的牛顿基本差商公式 §2 等距节点下的牛顿基本差商公式 §3 拉格朗日插值公式 §4 等距节点下的分段插值公式 §5 插值公式的唯一性及应用 §6 反插值

15.5 吸光度测量条件的选择 15.4 显色反应和显色条件的选择 15.3 分光光度计 15.2 光吸收定律 15.1 概述 15.6 吸光光度光法的应用