$7.0 什么是机器学习 $7.1 相关关系和相关系数(correlation and correlation coefficient) $7.2 相关系数的显著性检验 $7.3 线性回归和非线性回归 $7.4 一元线性回归线的置信区间 $7.5 多元二项式回归的Matalab实现 $7.6 回归方程的拟合检验 $7.7 Logistic Regression (Intuition) $7.8 Support Vector Machines (支持向量机) $7.9 Training, Validation, and Test

1. 掌握直线回归的原理和推导过程。 2. 掌握实现相关的基本概念方差检验的适用条件（样本特性）。 3. 熟悉相关性的判定方法及评定标准

◼ 5.1 随机事件及其概率 ◼ 5.2 离散型随机变量及其分布 ◼ 5.3 连续型随机变量的概率分布 ◼ 利用Excel计算随机变量的概率分布

◼ 1. 相关关系的分析方法 ◼ 2. 一元线性回归的基本原理和参数的最小二乘估计 ◼ 3. 回归直线的拟合优度 ◼ 4. 回归方程的显著性检验 ◼ 5. 利用回归方程进行估计和预测 ◼ 11.1 变量间关系的度量 ◼ 11.2 一元线性回归 ◼ 11.3 利用回归方程进行估计和预测 ◼ 11.4 残差分析

◼ 13.1 时间序列及其成分 ◼ 13.2 时间序列的描述性分析 ◼ 13.3 时间序列的预测程序 ◼ 13.4 平稳序列的预测 ◼ 13.5 趋势型序列的预测 ◼ 13.6 复合型序列的分解预测

◼ 7.1 参数估计的一般问题 ◼ 7.2 一个总体参数的区间估计 ◼ 7.3 两个总体参数的区间估计 ◼ 7.4 样本量的确定

1. 了解假设检验的基本思想 2. 掌握假设检验的步骤 3. 对实际问题作假设检验 4. 利用置信区间进行假设检验 5. 利用P - 值进行假设检验  8.1 假设检验的基本问题  8.2 一个总体参数的检验  8.3 两个总体参数的检验  8.4 检验问题的进一步说明

1. 熟悉 spss 软件的系统整体风格和界面特点。 2. 熟悉 spss 软件三大主要工作窗口和各菜单的主要功能。 3. 掌握 spss 软件中数据编辑窗口中变量属性的设置方法和数据的输入方法。 4. 熟悉 spss 软件中保存与导入数据文件、打开数据文件、导出数据文件的方法。 5. 掌握利用 spss 进行数据描述性分析的方法

4.1 参数估计的基本原理 估计量与估计值 点估计与区间估计 评价估计量的标准 4.2 一个总体参数的区间估计 总体均值的估计 总体比率的估计 总体方差的估计 4.3 样本量的确定

➢ 6.1 方差分析引论 方差分析及其有关术语 方差分析的基本思想和原理 方差分析中的基本假定 问题的一般提法 ➢ 6.2 单因素方差分析 数据结构 分析步骤 用Excel进行方差分析 方差分析中的多重比较 ➢ 6.3 方差分析中的多重比较 ➢ 6.4 试验设计初步 完全随机化设计 随机化区组设计 因子设计