§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 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 Statistical Test of Simple Linear Regression Model 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 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 四、二元Logit离散选择模型及其参数估计

➢相图知识 ➢二元匀晶相图与固溶体的凝固 ➢二元共晶相图 ➢二元包晶相图 ➢复杂二元相图的分析方法 ➢铁碳平衡相图

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

案例概述: 某企业生产甲、乙两种家用电器,据预测,若在某地建新厂则要 投资100万元,每年可净收益14万元,若将此款存入银行,则有2 万元利息。此外,还有以下信息可供决策者参考: (1)在某地建新厂后,原厂房若不能售出,则要维修,每年将 花费3.2万元。因此,在某地建新厂后每年的净收益只能是10.8万元

9-4单变量有理函数域 9.4.1域上的一元有理分式域的定义 设R为一整环,命S={(b,a)|a,b∈R,a≠0}。现在S中规定为 逐一验证“反身性”、“对称性”、“传递性”可知为一等价关系。用(b,a)表示与 (ba)等价的元素的全体。现记S关于u的等价类的集合为%,则(b,a)是中的元 素。下面在上定义二元运算:

第二章线性表 线性结构特点:在数据元素的非空有限集中 一、存在唯一的一个被称作第一个”的数据元素 二、存在唯一的一个被称作“最后一个”的数据元素 三、除第一个外,集合中的每个数据元素均只有一个前驱 四、除最后一个外集合中的勺每个数据元素均只有一个后继

第一节 铜族元素 一、铜族元素概述 二、铜的重要化合物 三、银的重要化合物 第二节 锌族元素 一、锌族元素概述 二、锌的重要化合物 三、汞的重要化合物

例:砖墙是由一块块砖砌堆在一起,每块砖均有各自的抗拉、压、抗剪等力学性能,但组成 墙后的整体却具有墙体的特性:(承重、挡风等)围护隔热,墙体特性不同于各砖的特性,也非 各砖的简单叠加,但又和各砖的特性密切相关,是各块转的力学特性的一个有机的结合,我们能 研究每块砖的力学特性,再研究它们的组成规律,力的传递、共同作用,进而解决墙的力学特性 (功能) 对于一个结构进行分析时,可以把整体结构分成许多小单元(离散化),然后对每个小单元 进行力学分析(单元分析),最后再将这些单元按一定条件重新组合成原结构(整体分析),再进 行求解

例一、某卷烟厂生产销售卷烟和烟丝 2001年8月发生如下经济业务: 1.8月1日,期初结存烟丝买价20万元8月 31日,期末结存烟丝买价5万元。 2.8月3日,购进已税烟丝买价10万元,取 得增值税专用发票,烟丝已于8月10日入库 3.8月6日,发往B烟厂烟叶一批,委托B烟 厂加工烟丝,发出烟叶成本20万元,支付加工 费8万元,B烟厂没有同类烟丝销售价格