 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

• 因素（factor）就是指实验中的自变量。实验中只有一个自变量的称为单因素实验。 • 因素的类别称为水平（level），水平可以是定量的，如“年龄”、“声音的强度”等，也可以是定性的，如“性别”、“人格类型”等。 • 因素多于一个的实验设计称为因素设计（factorial design），并根据各个因素的所有可能组合来设计组别，并同时考察所有因素对因变量的影响

1、定义 联系自变量和未知函数及其导数的等式。 2、分类 按自变量的个数,分为常微分方程和偏微分方程; 按未知函数及其导数的次数,分为线性微分方程和非线性微分方程;

到目前为止, 我们所学习的只是一元函数的分析性质。但在现实 生活中，除了非常简单的情况之外，可以仅用一个自变量和一个因变 量的变化关系来刻画的问题可以说是非常少的。比如像物理学中研究 质点运动这么一个相对较为容易的问题，也需要用到确定空间位置的 三个坐标变量 x、y、z 和一个时间变量 t 以及多个函数值（如位置、 速度、加速度、动量等），更不用说在各种不同的学科研究中会遇到 更为复杂的问题。这种多个自变量和多个因变量的变化关系，反映到 数学上就是多元函数（或多元函数组，即向量值函数）

一、自变量趋于有限值时函数的极限 二、自变量趋于无穷大时函数的极限

微分的定义 设 y = f (x)是一个给定的函数， 在点x 附近有定义。若 f (x)在x 处的 自变量产生了某个增量x 变成了 x + x （增量x 可正可负，但不为 零），那么它的函数值也相应地产 生了一个增量 y(x) = f (x + x) − f (x)， 在不会发生混淆的场合，或者是无需特别指明自变量的时候

泛函,简单地说,就是以整个函数为自变量的函数.这个概念,可以看成是函数概念的推广。所谓函数,是指给定自变量x(定义在某区间内)的任一数值,就有一个y与之对应.y称为

泛函，简单地说，就是以整个函数为自变量的函数．这个概念，可以看成是函数概念的 推广． F 所谓函数，是指给定自变量x(定义在某区间内)的任一数值，就有一个y与之对应．y称 为x的函数，记为y = f(x)．

一、适宜资料:多个自变量x与一个依变量y呈线性相关关系。 二、分析目的:分析多个自变量x与一个依变量y的相关关系,并把各自变量x与y的总关系(影响),即相关系数r分解为x对y的直接作用(通经系数P)及间接作用,并利用通经系数比较各x对作用程度的相对大小

2.1偏导数 设D是R中的区域,z=∫(x,y)是D上的函数.设B=(x,y0)∈D,我们希望定 义f(x,y)在P点的导数,即因变量相对于自变量的变化率.但如果将P=(x,y)作为变量 由于其是二维向量,没有除法,因此很难定义∫(x,y)-f(x0,y)相对于 P-P=(x-x,y-y0)的变化率.我们只能将P=(x,y)的分量x和y分别作为自变量 来定义导数