1 Monte Carlo Methods in Inference 1.1 Monte Carlo Methods for Estimation 1.1.1 Monte Carlo Estimation and Standard Error 1.1.2 Estimation of MSE 1.2 Estimating a confidence level 1.3 Monte Carlo Methods for Hypothesis Tests 1.4 Empirical Type I error rate 1.4.1 Power of a Test 1.4.2 Power Comparisons 1.5 Application: “Count Five” Test for Equal Variance

1 Monte Carlo Integration and Variance Reduction 1.1 Monte Carlo Integration 1.1.1 Simple Monte Carlo estimator 1.1.2 Variance and Efficiency 1.2 Variance Reduction 1.3 Antithetic Variables 1.4 Control Variates 1.4.1 Antithetic variate as control variate 1.4.2 Several control variates 1.5 Importance sampling 1.6 Stratified Sampling 1.7 Stratified Importance Sampling

1 Methods for Generating Random Variables 1.1 Generating Uniform(0,1) random number 1.2 Random Generators of Common Probability Distribution in R 1.2.1 The Inverse Transform Method 1.2.2 The Acceptance-Rejection Method 1.2.3 Transformation Methods 1.2.4 Sums and Mixtures 1.3 Multivariate Distribution 1.3.1 Multivariate Normal Distribution 1.3.2 Mixtures of Multivariate Normals 1.3.3 Wishart Distribution 1.3.4 Uniform Distribution on the d−Sphere 1.4 Stochastic Process

1 TEX介绍 2 TEX的宏包和扩展 3 环境集 4 LATEX命令集 5 页面版式命令 6 计数器命令 7 目录表 8 交叉引用和索引 9 宏包 10 LATEX中文化

1 Graphics with R 1.1 Managing graphics 1.1.1 Graphical Functions 1.1.2 Low-level plotting commands 1.1.3 Graphical Parameters 2 Statistical Analysis with R 2.1 Formulae 2.2 Generic Functions 2.3 Packages 3 Programming with R 3.1 Flow Control 3.2 Functions 3.3 Miscellaneous programming tips 3.4 Debugging 3.5 Efficient programming 3.6 R script editors

1 Introduction 1.1 R website 1.2 Differences between R and S 1.3 Start with R 2 Data with R 2.1 Objects 2.2 Reading data in a file 2.3 Saving data 2.4 generating data 2.5 Manipulating objects 2.5.1 Creating objects 2.5.2 Operators 2.5.3 Accessing the values of an object: the indexing system 2.5.4 Accessing the values of an object with names 2.5.5 Arithmetics and simple functions 2.5.6 Matrix Computation

教学内容： 1.态数列的含义、种类 2.动态数列各分析指标的含义、计算方法 3.时间数列的各个影响因素及其含义 4.长期趋势的测定方法 5.季节变动的测定方法 6.循环变动的测定方法 教学重点： 1.动态数列各分析指标的含义、计算方法 2.长期趋势的测定方法，特别是最小二乘法 3.季节变动的测定方法，特别是同期平均法 教学难点： 1.序时平均数、平均发展速度的计算 2.长期趋势、季节变动的测定

学习本章的目的在于掌握总量指标、相对指标、平均指标、变异指标的概念、特点和它们的计算方法、并能够运用所学的方法分析具体问题。 讲授内容：总量指标 相对指标 平均指标 标志变异指标

通过本章的学习，要求掌握抽样推断的基本概念和一般原理：抽样误差的形成原因及其影响因素，抽样平均误差的计算；极限误差的含义、计算；概率度、概率的含义；总体参数的估计等。 第一节 抽样推断的意义和作用 第二节 抽样推断中的基本概念 第三节 抽样误差 第四节 抽样估计的方法 第五节 抽样的组织方式 第六章 抽样推断

（一）理论课程 1《空间解析几何》 2《离散数学》 3《时间序列分析》 4《数值计算方法》 5《运筹与优化》 6《Python 程序设计》 7《常微分方程》 8《大数据技术原理及应用》 9《复变函数论》 10《概率统计》 11《高等代数》 12《面向对象程序设计》 13《数据结构与算法》 14《数据库原理及应用》 15《数据挖掘》 16《数理统计》 17《数学分析（1）》 18《数学分析（2）》 19《数学建模(1)》 20《数学建模(2)》 21《数学软件及应用》 （二）实验课程 22《时间序列分析》 23《数据结构与算法》 24《数学软件及应用》 25《数值计算方法》 26《Python 程序设计》 27《大数据技术原理及应用》实验 28《面向对象程序设计》 29《数据库原理及应用》课程 30《数据挖掘》 31《数理统计》 （三）实践课程 32《专业教育》 33《web 数据挖掘与电子商务项目实训》 34《技能实训》教学大纲 35《客户数据分析项目设计》 36《数学建模(1)》 37《数学建模(2)》 38《中文文本数据挖掘项目实训》 39《综合项目实训》教学大纲 40《毕业设计（论文）》教学大纲 41《毕业实习》教学大纲