❖ 举例说明回归背景问题 ❖ 通过例子导出直线回归的意义 ❖ 简述正态分布的性质 ❖ 由此导出直线回归分析对资料的要求 ❖ 简述直线回归的回归系数检验 ❖ 直线回归的预测值及其95%可信区间 ❖ 标准曲线制作中的直线回归问题 ❖ 直线回归分析小结 ❖ 思考题

• 直线相关描述了什么问题？ • 直线相关分析的具体步骤是什么？ • 直线相关分析对资料有什么要求？ • 如何对这些要求进行检查或检验？ • 仅用样本直线相关系数能否说明相关程度？ • 总体相关系数非常接近1，能否说明Y=X？

◼ 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

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

露天矿运输过程中,车速、路面粉尘负荷、粉尘含水率与扬尘浓度有密切的关系.通过对它们设计正交试验和多元回归统计分析,得到运输扬尘质量浓度的计量模型,该模型具有99%的显著性和拟合性.经回归系数显著性检验,自变量对因变量的影响均极为显著,其显著性大小依次为:车速、粉尘含水率和路面粉尘负荷.最后采用实测值与模型计算值的计算机拟合,对模型进行验证.结果表明,该模型具有较高的可信度

• 举例说明回归背景问题 • 通过该例导出直线回归的意义 • 简述正态分布的性质 • 由此导出直线回归分析对资料的要求 • 简述直线回归的回归系数检验 • 直线回归的预测值及其95%可信区间 • 标准曲线制作中的直线回归问题 • 直线回归分析小结 • 思考题

5.1.1 积矩相关系数 5.1.2 相关系数的假设检验 5.1.3 秩相关

第一节 概述 第二节 测量误差 一、误差分类及产生原因 二、误差的表示方法 三、误差的传递 四、提高分析结果准确度的方法 第三节 有效数字及其运算规则 一、有效数字 二、有效数字的修约规则 三、有效数字的运算法则 第四节 偶然误差的正态分布 一、偶然误差的正态分布和标准正态分布 二、偶然误差的区间概率 第五节 有限数据的统计处理和t分布 一、正态分布与 t 分布区别 二、平均值的精密度和平均值的置信区间 三、显著性检验

2 .1 一元线性回归模型 2 .2 参数β0、β1的估计 2 .3 最小二乘估计的性质 2 .4 回归方程的显著性检验 2 .5 残差分析 2 .6 回归系数的区间估计 2 .7 预测和控制 2 .8 本章小结与评注

第一节 因果模型与通径分析 第二节 通径模型的设置 第三节 通径模型的分类 第四节 分解简单回归系数 第五节 分解简单相关系数 第六节 通径模型的整体检验