一、序列相关性的概念——违反基本假设的定义及违反的原因 二、序列相关性的后果——违反基本假设会造成什么样的后果 三、序列相关性的检验——怎样诊断是否违反基本假设 四、具有序列相关性模型的估计——如何消除或减弱对基本假设的违反 五、案例

一、异方差性的概念——违反基本假设的定义及违反的原因 二、异方差性的后果——违反基本假设会造成什么样的后果 三、异方差性的检验——怎样诊断是否违反基本假设 四、出现异方差时的补救措施——如何消除或减弱对基本假设的违反 五、案例

1. 统计检验拒绝原假设情况下可能发生的错误是：（） A. 拒绝性错误； B. “取伪”错误； C. 统计性错误； D. “弃真”错误

一、分布拟合检验的方法 原假设Ho:F(x)=Fo(x)(X为离散时用分布律)

假设，检验统计量，显著水平，功效 两种假设下的统计检验 纽曼-皮尔森引理 如何构造一个检验统计量 Fisher甄别函数与神经网络 检验拟合优度，P-值定义与应用 信号观测的显著程度 皮尔逊的x2检验

假设，检验统计量，显著水平，功效 两种假设下的统计检验 纽曼-皮尔森引理 如何构造一个检验统计量 Fisher甄别函数与神经网络

§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

古典线性回归模型的假定 OLS的代数推导 OLS的几何解释 拟合优度 OLS的小样本性质 对单个系数的 t检验 对线性假设的 F检验 分块回归与偏回归(选读) 预测

试验研究是临床科研方法的一个重要研究类型，它是按随机分配的原则将研究对象分为研究组与对照组。最大用途就是能强有力地检验各种类型的假设。通常分为现场试验和临床试验

将特定人群分为暴露于某因素与非暴露于某因素或不同暴露水平的亚组，追踪观察一定时间，比较两组或各组的发病率或死亡率，以检验该因素能影响发病的假设。又称前瞻性研究、发病率研究、纵向研究、随访研究、定群研究