第八章秩转换的非参数检验 一、非参数检验的概念: 非参数检验是指对原始资料无特殊要求(如正 态分布、总体方差相等)的一类检验方法,它不 是比较参数,而是比较分布的位置。不符合t检验 和F检验的数值变量资料可用秩和检验,此外, 秩和检验还可用于两组或多组等级资料以及“开口” 资料的比较。等级相关也属于非参数检验

第8章参数估计 一、参数的点估计 以总体参数的近似值作为其真值的估计 二、估计优良性的判别标准 无偏性有效性一致性充分性 三、常用的点估计量 1样本均值2样本方差3样本比率

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

2.1 测量误差的基本概念 2.2 表达误差的几种形式 2.3 误差的性质及分类 2.4 有效数字 2.5 系统误差的校正 2.6 随机误差的统计学处理 2.7 粗大误差的剔出 2.8 测量不确定度及其评定方法

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

第一节 配对设计的符号秩和检验 第二节 成组设计两样本比较的秩和检验 第三节 成组设计多样本比较的秩和检验 第四节 随机区组设计资料的秩和检验

第一节 正态分布 第二节 二项分布 第三节 正态分布及其应用 第二节 Poisson分布的概念与特征

第一节 配对设计和单样本资料的符号秩和检验（Wilcoxon配对法） 第二节 完全随机化设计两独立样本比较的秩和检验（Wilconxon两样本比较法) 第三节 完全随机化设计多个样本的秩和检验 第四节 随机区组设计资料的秩和检验 第五节 多个样本两两比较秩和检验

采用贝叶斯统计学原理改进传统神经网络算法,通过在神经网络的目标函数中引入表示网络结构复杂性的约束项,避免网络的过拟合以提高网络的泛化能力.将改进的神经网络应用于济钢1700mm热连轧机带钢厚度预测中,其预报精度、训练时间和网络稳定性均优于传统神经网络预测;然后应用贝叶斯神经网络预测带钢塑性系数;最后将出口带钢厚度和带钢塑性系数的实时预测值综合应用于带钢热连轧厚度控制系统,改进了传统的厚度控制方式,进一步提高带钢质量

第一节均数的抽样误差与标准误 第二节t分布 第三节总体均数的估计 第三节 总体均数的估计 第四节 t 检验和u检验 第五节 两均数的等效检验 第六节 假设检验的基本步骤 及注意事项 第七节 正态性检验 和两样本方差齐性检验