第一节 回归分析与回归方程 第二节 简单线性回归模型的最小二乘估计 第三节 拟合优度的度量 第四节   回归系数的区间估计和假设检验 第五节   回归模型预测 第六节 案例分析

• 离散时间信号的表示及运算； • 线性移不变系统的定义和性质； • 常系数线性差分方程； • 傅里叶级数(Fourier Series)、傅里叶变换(Fourier Transform)、连续时间信号的抽样定理

一、适宜资料:多个自变量对一个依变量的影响呈线性回归模型的多变量资料。 二、分析目的:建立多元线性回归方程,分析多个自变量对一个依变量的综合作用及各自变量的绝对作用(b),从而发现规律,以利预测和控制

§11.1 引 言 §11.2 系统的状态变量描述法 §11.3 由输入-输出方程求状态方程 §11.4 电系统状态方程的建立 §11.5 连续系统状态方程的复频域求解

其中x1,x2,…,xn表示n个未知量,m是方程个 数,a表示第i个方程中含x;项的系数, b1,b2,…,b叫常数项

§1 引言 §2 泰勒级数法(Taylor Series Method) §3 基于数值微分公式的方法 §4 龙格－库塔法(Runge-Kutta Method) §5 线性多步法(Linear Multi-step Method)

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

第一节 回归分析与回归方程 第二节 简单线性回归模型的最小二乘估计 第三节 拟合优度的度量 第四节 回归系数的区间估计和假设检验 第五节 回归模型预测 第六节 案例分析

第一节 线性回归模型概述 第二节 一元线性回归模型的参 第六节 异方差性 第七节 序列相关性 第八节 多重共线性

7.1 绪论 7.2 常微分方程的分类 7.3 标准型的转化 7.4 线性常微分方程组 7.5 非线性常微分方程组 7.6 稳态解及其稳定性分析 7.7 数值稳定性和误差传播 7.8 应用举例