一、目的要求 1.熟悉非参数检验的基本概念及其优缺点 2.掌握各种设计类型资料秩和检验的编秩方法，以及如何确定统计量 3.了解多个样本的两两比较

在很久很久以前，地球上还是一个阴森恐怖的黑暗时代，大地上恐龙横行， 我们的老祖先－－类人猿惊恐的睁大了双眼，围坐在仅剩的火堆旁，担心着无边 的黑暗中不知何时会出现的妖魔鬼怪，没有电视可看，没有网可上... 我是疯了，还是在说梦话？都不是，类人猿自然不会有机会和恐龙同时代， 只不过是我开机准备写这一部分的时候，心里忽然想到，在 10 年前，国内的统 计学应用上还是卡方检验横行，分层的 M-H 卡方简直就是超级武器

1 平行对照研究设计的介绍 2 两个独立样本平均水平的比较

1 Poisson分布的概念与特性 3 Poisson分布样本均数与总体均数的比较 4 Poisson分布两样本均数的比较 5 STATA计算 2 Poisson分布总体均数的估计

• 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

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

◼ 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

• 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？

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

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