图 图( Graph)是一种较线性表和树更为复杂的非线性结 构。在线性结构中,结点之间的关系是线性关系,除开 关系,同层上的每个结点可以和一层的零个或多个结 点(即孩子)相关,但只能和上一层的一个结点(即双 亲)相关(根结点除外)。然而在图结构中,对结点( 图中常称为顶点)的前趋和后继个数都是不加限制的, 即结点之间的关系是任意的。图中任意两个结点之间都 可能相关。由此,图的应用极为广泛,特别是近年来的 迅速发展,渗透到诸如语言学、逻辑学、物理、化学 、电讯工程、计算机科学以及数学的其它分支中

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

从本章开始,我们将讲述数理统计的基本内容.数理统计作为一门学科诞生于19世纪 末20世纪初,是具有广泛应用的一个数学分支,它以概率论为基础,根据试验或观察得到 的数据,来研究随机现象,以便对研究对象的客观规律性作出合理的估计和判断 由于大量随机现象必然呈现出它的规律性故理论上只要对随机现象进行足够多次观 察,则研究对象的规律性就一定能清楚地呈现出来,但实际上人们常常无法对所研究的对象 的全体(或总体)进行观察

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

在实验室工艺硏究、中试放大研究及生产中都涉及化学 反应各种条件之间的相互影响等诸多因素。要在诸多因素中 分清主次,就需要合理的试验设计及优选方法,为找出影响 生产工艺的内在规律以及各因素间相互关系,尽快找出生产 工艺设计所要求的参数和生产工艺条件提供参考。 试验设计及优选方法是以概率论和数理统计为理论基础 ,安排试验的应用技术。其目的是通过合理地安排试验和正 确地分析试验数据,以最少的试验次数,最少的人力、物力 ,最短的时间达到优化生产工艺方案 试验设计及优选方法过程包括:试验设计、试验实施和 对实验结果的分析三个阶段

数学,这门古老而又常新的科学,正阔步迈向21世纪 回顾即将过去的世纪,数学科学的巨大发展,比以往任何时 代都更牢固地确立了它作为整个科学技术的基础的地位,数学 正突破传统的应用范围向几乎所有的人类知识领域渗透,并越 来越直接地为人类物质生产与日常生活作出贡献.同时,数学作 为一种文化,已成为人类文明进步的标志.因此,对于当今社会 每一个有文化的人士而言,不论他从事何种职业,都需要学习数 学,了解数学和运用数学.现代社会对数学的这种需要,在未来 的世纪中无疑将更加与日俱增

多元方差分析的主要用途是同时分析和检验不同类别在多个间距测度等级变 量上是否存在显著差别。这种方法由威尔克(S.S.Wlk)在1932年创建,后来 又得到逐步发展和完善。现在,许多计算机统计软件中都已经具有多元方差分析 的功能。但是,这种方法在我国社会科学研究中的应用尚属少见,有待进一步推 本章第一节将从多元方差分析与一元方差分析的关系入手,简介相关方法的 沿革及多元方差分析的特点。第二节主要介绍多元方差分析所要求的变量、数据 方面的条件

在社会科学研究中,一个经常会遇到的问题就是要对定性变量数据进行量化 分析,因为研究中往往使用一些定性( Nonmetric)变量,例如名义变量或序次 变量来反映研究对象的行为、态度等,研究不同性别的顾客对不同品牌商品的喜 好,不同职业的人在吸烟行为上的差异等都属于此类研究。以往在分析这样的定 性变量时,往往需要使用非线性统计方法,例如L< linear等,但在每个变量都 划分成许多类别的情况下,这些分析方法就很难直观地揭示出变量之间的联系以 及变量类别之间的关系

第八章萃取 1概述 8-1萃取概念及应用 我们以手工洗衣服为例,打完肥皂、揉搓后,如何将肥皂沫去除呢?用清水多次漂洗,这是人们熟知的过程。多次漂洗的过程即为化工中的液固萃取过程。如图8-1所示,漂洗次数越多,衣服与肥皂沫分离越完全,衣服越干净 图8-1的衣物漂洗过程为错流萃取过程。清水称作萃取剂,含沫水为萃取相,衣物和沫为萃余相。皂沫为溶质A。经验还告诉我们,每盆水揉搓的时间越长(即萃取越接近平衡),拧得越干(即萃取与萃余相相分离越彻底),所用漂洗次数越少(即错流级数越少)