医学上,许多现象之间也都有相互联系,例如:身 高与体重、体温与脉搏、产前检査与婴儿体重、乙肝 病毒与乙肝等。 在这些有关系的现象中,它们之间联系的程度和性 质也各不相同

一、时间序列的含义又称(动态数列),是指标数值按时间顺序排列而形成的数列。 二、分析方法因素分解法，趋势外推法，自回归分析法

t检验,亦称 student检验( Student'’sttest),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布资料。 一、样本均数与总体均数的比较 二、配对资料的比较 三、两样本均数的比较 四、大样本均数比较的u检验 五、正态性检验与两方差齐性检验

第一节均数的抽样误差 第二节t分布与可信区间 第三节t检验 第四节假设检验的步骤及其有关概念

The Completely Randomized Model One-Factor Analysis of Variance F-Test for Difference in c Means The Tukey-Kramer Procedure ANOVA Assumptions The Factorial Design Model: Two-Way Analysis of Variance Examine Effect of Factors and Interaction Kruksal-Wallis Rank Test for Differences in c Medians

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

2.1 测量误差的基本概念 2.2 表达误差的几种形式 2.3 误差的性质及分类 2.4 有效数字 2.5 系统误差的校正 2.6 随机误差的统计学处理 2.7 粗大误差的剔出 2.8 测量不确定度及其评定方法

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

逐步判别分析 在判别函数中,判别作用大的指标尽可能不要遗漏,作用小的指标则要尽量排除。逐步判别分析可对指标进行筛选,挑出必要的、较好的指标组合,建立判别函数,从而提高判别效果

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量