本章主要内容： · 一元线性回归方程度建立、显著性检验、预报和控制。非线性回归方程的线性化。 · 多元线性回归方程建立、显著性检验、偏回归平方和。 · 回归分析法在试验设计中的作用和地位。 · 正交多项式回归设计及回归方程的建立

本章主要内容： · 综合评分法、综合平衡法、排队打分法； · 水平数不同的正交表的使用，包括直接套用混合正交表、并列法、拟水平法、混合水平有交互作用的正交设计； · 活动水平法、组合因素法；分割试验法；部分追加法

模式识别的三大核心问题： •特征数据采集与预处理 •分类识别 •特征选择与提取 分类识别的正确率取决于对象的表示、训练学习和分类识别算法，我们在前面各章的介绍中详细讨论了第二方面的内容。本章介绍的特征提取与选择问题则是对象表示的一个关键问题

是一种分段线性分类器 直接根据训练样本对新样本进行分类

贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

一、 色谱柱及使用条件的选择 二、 载气种类和流速的选择 三、 其它操作条件的选择

一、分布拟合检验的方法 原假设Ho:F(x)=Fo(x)(X为离散时用分布律)

一、 蛋白质的分子组成 二、蛋白质的分子结构 四、蛋白质的分类 五、蛋白质结构与医学

• 了解和掌握IUPAC关于电池或电反应的有关符号规定，以及电池图解式的表示规则 • 标准电极电位与条件电位的区别 • 电极电位的计算 • 电池电动势的计算 • 溶度积常数和配合物稳定常数的计算 • 参比电极的选择 • 指示电极的分类

本章着重讨论蛋白质在机体内的降解，以及氨基酸的分解和合成的共同代谢途径。 第一节 蛋白质的酶促降解 第二节 氨基酸的分解 第三节 氨基酸分解产物的转化 第四节 氨的同化及氨基酸的生物合成