❖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？

方差分析 – 方差分析的过程 – 单因素方差分析 – 二因素方差分析 相关分析 – 相关分析的过程 回归分析 – 一元回归 – 多元回归

第1章 事件与概率 第2章 一维随机变量 第3章 多维随机变量 第4章 随机变量的数学特征 第5章 极限定理初步 第6章 事件数理统计的基本概念与概率 第7章 假设检验和区间估计

第一节 生存分析的基本概念 第二节 生存率的估计与生存曲线* 第三节 生存曲线的Log-rank检验 第四节 COX比例风险回归模型

• 一、向量自回归模型定义 • 二、VAR的稳定性 • 三、VAR模型滞后期k的选择 • 四、VAR模型的脉冲响应函数和方差分解 • 五、格兰杰非因果性检验 • 六、VAR与协整 • 七、实例

一、SAS系统简介 二、SAS系统的启动与关闭 三、SAS程序结构、程序的输入、修改调试和运行 四、常用生物统计方法的SAS程序 —t检验 —方差分析 —线性回归与相关分析

❖ 举例说明回归背景问题 ❖ 通过例子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

• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

1. 回归模型、回归方程、估计的回归方程 2. 回归方程的拟合优度 3. 回归方程的显著性检验 4. 多重共线性问题及其处理 5. 利用回归方程进行估计和预测 6. 虚拟自变量的回归问题 7. 用 Excel 进行回归分析

一、目的要求 1.理解方差分析的基本思想和应用条件。 2.掌握各种设计资料的方差分析方法，并了解其计算方法。 3.熟悉多个样本均数的两两比较和方差齐性检验