第一节数据结构讨论的范畴 一、算法+数据结构=程序设计 很多数值计算问题的数学模型通常可用一组线性或非线性的代数方程组或微分方程组来描述,而大量非数值计算问题的数学模型正是本门课程要讨论的数据结构

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

第一节 线性回归模型概述 第二节 一元线性回归模型的参 第六节 异方差性 第七节 序列相关性 第八节 多重共线性

1.5 信号的分解 1.6 系统模型及其划分 1.7 线性时不变系统(LTI) 1.8 系统分析方法

物理系统的数学模型 非线性数学模型的线性化 拉氏变换及其反变换 典型环节及其传递函数 系统方框图和信号流图

第一节 回归分析概述 一、回归的定义 二、回归模型的分类 第二节 一元线性回归预测法 一、一元线性回归模型 二、最小二乘估计 三、拟合优度的度量 四、相关系数检验法 五、最小二乘估计式的标准误差 六、回归预测

要点：掌握一元线性回归模型中的基本假设、检验方法。 重点掌握一元线性回归模型的约束条件；正态性检验方法。 理解单侧和双侧假设检验

一、线性系统微分方程的建立步骤:1.确定系统的输入量(给定量和扰动量)与输出量(被控制量,也称为系统的响应)

一、分析模型 前面4.1节中的分析都是在没有噪声条件下进行的本节将要研究的问题是 信道存在加性高斯白噪声时,各种线性调制系统的抗噪声性能。 分析解调器的抗噪声性能的模型如图4-1所示。图中,Sm()为已调信号, n(t)为传输过程中叠加的高斯白噪声。带通滤波器的作用是滤除已调信号频带 以外的噪声,因此,经过带通滤波器后到达解调器输入端的信号仍可认为是 m(),噪声为n(t)

一、模型参数的线性约束 二、对回归模型增加或减少解释变量 三、参数的稳定性 *四、非线性约束