当响应变量是定性变量时的非线性模型 两种可能的结果,成功或失败,患病的或没 有患病的,出席的或缺席的 实例:CAD(y)是年龄,体重,性别,吸烟 历史,血压的函数 ·吸烟者或不吸烟者是家庭历史,同年龄组行 为,收入,年龄的函数 今年购买一辆汽车是收入,当前汽车的使用 年限,年龄的函数

S-Plus石油城市数据框架 石油的月超额回报,包含股票和市场。 SUMMARY: The oilcity data frame has 129 rows and 2 columns. The sample runs from April 1979 to December 1989. This data frame contains the following columns VALUE

线性回归 回顾: 线性模型:y=Xβ+E y-N(XB, o-1) 最小二乘法:B=(XXXy y=y=X的拟合值户=X(XX)Xy=Hy e=误差=残差=y-y=yy(H)y

§11.1 计算积分的Monte Carlo方法 §11.2 Markov链Monte Carlo方法简介 §11.3 Metropolis-Hastings算法 §11.4 Gibbs抽样 §11.5 贝叶斯MCMC估计方法

7.1 基本概念与性质 7.2 Gauss:过程 7.3 Brown运动的鞅性质 7.4 Brown运动的Markov性 7.5 Brown运动的最大值变量及反正弦律 7.6 Brown运动的几种变化 7.7 高维Brown运动

信息论：是一门应用概率论、 随机过程、数理统计和近世代 数的方法，来研究广义的信息 传输、提取和处理系统中一般 规律的科学；它的主要目的是 提高信息系统的有效性和可靠 性，最优化；其主要内容（或 分支）包括：香农理论、编码 理论、维纳理论、检测和估计 理论、信号设计与估计理论、 调制理论和随机噪声理论

基本名词概念 3.1分离定律 3.2自由组合定律 3.3数理统计原理在遗传研究中的应用 3.4 Mendel定律的扩展 3.5孟德尔遗传规律的意义 3.6人类系谱图式

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

图形的优越性 “使复杂的思想能够显示得清楚、准确、有 效。” 显示数据。 让你考虑实质而不是方法、图形设计或者其 它的。 在很小的空间中有很多的数字。 使大的数据集有条理。 使数据的不同部分显示得更清楚

期末复习中,你可以在课本中取出一个编号为奇数的任意问题的随机样本, 并能在没有计算机的帮助下做出来。你可能想试图在没有计算机的情况 下做出茎叶图,简单的散点图,和简单的经验累积概率分布。可以尝试 在没有计算机时做一元线性回归