一元线性回归模型 模型参数估计（最小二乘法） 样本判定系数与拟合优度检验 回归参数估计值的显著性检验 模型整体的显著性检验 一元线性回归模型预测 参数估计 假设检验

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

实验1：计算超几何分布 实验2：频率稳定性实验 实验3：利用频率估计自然对数底e 实验4：蒲丰投针实验，利用频率估计圆周率 实验5：生日悖论实验

4.1 异方差性产生的背景和原因 4.2 一元加权最小二乘估计 4.3 多元加权最小二乘估计 4.4 自相关性问题及其处理 4.5 异常值与强影响点 4.6 本章小结与评注

第一节 数量性状及其特性 一、数量性状和质量性状 二、数量性状的多基因假说 第二节 分析数量性状的基本统计方法 一、平均数 二、方差 三、标准误 第三节 遗传变异和遗传率 一、遗传率 二、广义遗传率及其估计 三、狭义遗传率及其估计 第四节 近亲繁殖与杂种优势 一、近亲繁殖的概念 二、自交的遗传效应 三、近交系数的计算 四、杂种优势

教学内容： 1.抽样推断的含义、作用 2.抽样推断中的基本概念 3.抽样误差的概念、影响因素 4.概率度、概率保证程度的含义及其二者之间的关系 5.总体参数的抽样估计方法 6.随机抽样的几种抽样组织方式（含义、样本容量的确定、抽样误差的计算） 教学重点： 1.抽样误差的概念、影响因素 2.总体参数的抽样估计方法 教学难点： 1.抽样平均误差、极限误差的含义及其关系 2.极限误差、概率、概率度的含义及其关系

一、美国统计 每年计有约750,000例脓毒症(每1000人有3例);死亡率为28.6%。占1995年的全部死亡率的9.3%;每例治疗费用为$21000,年治疗费为167亿美元。 每年估计200,000人死于脓毒症 二、欧洲 每年估计150,000死于脓毒症

§2.1 方程对象 §2.2 在EViews中对方程进行说明 §2.3 在EViews中估计方程 §2.4 方程输出 §2.5 方程操作 §2.6 估计中存在的问题 §2.7 命令

4.1 研究对象及相关概率 4.2 贝叶斯决策 4.3 贝叶斯分类器的错误率 4.4 聂曼-皮尔逊决策 4.5 概率密度函数的参数估计 4.6 概率密度函数的非参数估计 4.7 后验概率密度分类的势函数方法

第一节 回归分析与回归方程 第二节 简单线性回归模型的最小二乘估计 第三节 拟合优度的度量 第四节   回归系数的区间估计和假设检验 第五节   回归模型预测 第六节 案例分析