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)

第一节计量资料的频数分布 第二节集中趋势 第三节离散趋势 第四节正态分布 第五节医学正常值范围的估计

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 两个样本平均数差异显著性检验 第四节 百分数资料差异显著性检验 第五节 总体参数的区间估计

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

（一）信号检测论的由来 （二）信号检测论的统计学原理 （三）信号检测论的二个独立指标 （四）接受者操作特征曲线

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

2.1 测量误差的基本概念 2.2 表达误差的几种形式 2.3 误差的性质及分类 2.4 有效数字 2.5 系统误差的校正 2.6 随机误差的统计学处理 2.7 粗大误差的剔出 2.8 测量不确定度及其评定方法

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

第一节生物统计学中的几个基本概念 一、总体与样本 总体(population)是指在同一组条件下,由具有某种 共同性质的大量个体所组成的集团,或者说是某一变数的 全部可能值的集合。样本( sample)是指从总体中抽出的 一部分个体

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量