第一节 数值型变量资料的统计描述 第二节 正态分布和参考值范围的估计 第三节 数值型变量资料的统计推断 第四节 t检验和u检验 第五节 方差分析

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

前面讨论的总体分布中知参数的估计和检验都是假定总体分布类型已知，比如为正态总 体的前提下进行的，在实际应用时，总体的分布往往未知，首先应对总体分布类型进行推断， 如何对总体的分布进行推断呢，不难想象，我们可以由样本作经验分布函数的提示，对总体 分布类型作假设

一、目的要求 1. 了解队列研究的设计及需注意的问题； 2. 掌握相对危险度和归因危险度的意义、计算；熟悉相对危险度的假设检验与区间估计方法方法；熟悉M-H分层分析方法及趋势检验方法; 3. 掌握人时发病率、发病概率和累计发病概率的意义、区别与计算方法；熟悉暴露人年的计算

3.1 多元线性回归模型 3.2 回归参数的估计 3.3 参数估计量的性质 3.4 回归方程的显著性检验 3.5 中心化和标准化 3.6 相关阵与偏相关系数

假设检验的基本思想 5.1 假设检验的基本问题 假设的陈述 两类错误与显著性水平 检验统计量与拒绝域 利用𝑷值进行决策 5.2 一个总体参数的检验 讨论：假设检验与区间估计

一、目的要求 掌握实验的基本要素和基本原则 掌握常用的实验设计方案 掌握样本含量估计的影响因素了解其估算方法 了解临床试验设计的内容

一、 目的要求 掌握：掌握成组设计和配对设计资料的优势比的 意义、计算和置信区间估计的方法。 熟悉：成组设计资料优势比的假设检验方法； M-H分层分析方法及其趋势检验方法；1:1配 对设计两分类变量优势比的假设检验方法

教学内容： 1.相关关系的概念、种类、相关关系分析的主要内容 2.简单线形相关分析方法 3.简单直线回归方程的配合方法 4.判定系数、估计标准误差的含义、计算及其应用 5.曲线回归方程、多元线性回归方程的配合方法 6.其它相关系数的含义、计算及应用场合 教学重点： 1.简单线形相关分析方法 2.简单直线回归方程的配合方法 3.判定系数、估计标准误差的含义、计算及其应用 教学难点：相关系数的计算、回归方程的配合、估计标准误差的计算及其应用

第一节 显著性检验的基本原理 第二节 样本平均数与总体平均数差异显著性检验 第三节 两个样本平均数的差异显著性检验 第三节 百分数资料差异显著性检 第四节 总体参数的区间估计