以BP算法为基础开发了ANN学习预测系统,用于宝钢IF钢大生产产品性能预测.同时,应用在宝钢IF钢大生产数据对该系统进行了测试和分析,并与多元线性回归结果进行预测精度比较.结果表明,ANN学习预测系统,除σ0.2误差较高(9.0%)外,σb,δ,r和n值均<5.0%,且比多线性回归方法精度高

本章我们讨论分析时间序列数据(检验序列相关性,估 计ARMA模型,使用分布滞后,非平稳时间序列的单位根检 验)的单方程回归方法

全书共11章，包括田间试验、资料的整理与描述、常用概率分布、 假设检验、方差分析、X检验、直线回归与相关分析、多元线性回归与 相关分析、协方差分析、正交设计试验资料的方差分析等内容

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

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

第13章基本回归模型----概述了 EViews中的普通最小二乘估计(OLS) 基础。 第14章其他回归方法--讨论加权最小二乘估计(WLS),二阶段最小二乘 估计(TSLS),和非线性最小二乘估计(NLS)技术

第五部分多方程分析 第21章系统估计--讨论了方程系统的估计 第22章向量自回归和误差修正模型-向量自回归模型以及向量误差修正模型估计。给出检验非稳定变量之间协整关系的工具。 第23章状态空间模型和卡尔曼滤波----利用状态空间模型和卡尔曼滤波工具建立结构时间序列模型

9.1虚拟变量的性质 一、回归分析中,被解释变量不仅常受一些比率尺度变量(如收入、产量、价格、成本、高度和温度)的影响,而且还受定性性质变量(也被称为名义尺度变量,如性别、种族、肤色、宗教、国籍、战争)的影响。 二、为了在模型中能够反映这些定性性质变量的影响,并提高模型的精度,需要将它们量化

第一章 绪论 第二章 定量资料的统计描述 第三章 定性资料的统计描述 第三章 定性变量的统计描述 第四章 常用概率分布 第五章 参数估计基础 第六章 假设检验基础 第七章 方差分析 第八章 方差分析-Analysis of variance(ANOVA) 第九章 非参数检验 第十章 两变量关联性分析 第十一章 简单线性回归 第十二章 多重线性回归与相关 第十三章 医学研究的统计学设计 第十四章 实验设计 第十五章 调查设计

采用恒应变速率凸轮塑性计,对4种铝合金的流动应力进行了实验研究,分析了变形温度、应变速率及应变率对流动应力的影响.通过对5种不同结构型式的流动应力数学模型的回归分析比较,提出了拟合精度较高的4个铝合金流动应力的数学模型,并给出了数学模型的回归系数值