（1）回归函数的 F 检验。 （2）回归参数的 t 检验。 （3）检验线性约束条件是否成立的 F 检验。 （4）JB 正态性检验 （5）似然比（LR）检验 （6）W 检验

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

提出一种改进的最大互信息(MMI)准则函数并把它应用于隐马尔可夫模型(HMM)的参数估计,重新推导了HMM的迭代公式.该准则函数相对于原来准则函数定义更为合理,能有效利用训练样本集中的鉴别信息,使得训练数据得到充分利用,提高了HMM的性能.把这种改进的HMM算法应用于面部表情识别,利用改进的光流算法提取面部表情特征向量序列,并利用改进HMM算法和BP神经网络构建了面部表情混合分类器.实验结果表明了该方法能有效提高面部表情识别率,有效解决HMM参数估计问题

Dirichlet 积分 仔细观察上一节中的几幅图像后可以得到这样的直觉：对于一般 的以2π为周期的函数 f x( )，除了个别点之外（看来是不连续点），当 m → ∞ 时，它的 Fourier 级数的部分和函数序列{ m xS )( }

在 Shell 中还可以定义函数。函数实际上也是由若干条 Shell 命令组成的，因此它与 Shell 程序形式上是相似的，不同的是它不是一个单独的进程，而是 Shell 程序的一部分。函数定 义的基本格式和调用函数的格式如图 9-46 所示。 在函数定义时不用带参数说明，但在调用函数时可以带有参数，此时 Shell 将把这些参 数分别赋予相应的位置参数$1，$2，......。 使用函数的好处就是可以在一个程序中的不同地方执行相同的命令序列（函数）

1不可数集的存在性(区间1是不可数集 证明:假设[01是可数集则01可以写成一个无穷 序列的形式:{x,x2;…x2…} 将(等分,取其中一个不含点x的闭区间,记为 再将三等分,取其中一个不含点x的闭区间,记为

 Z变换的正变换和逆变换定义，以及收敛域与序列特性之间的关系。  Z变换的定理和性质： 移位、 反转、 z域微分、 共轭序列的Z变换、 时域卷积定理、 初值定理、 终值定理、帕斯瓦尔定理。  系统的传输函数和系统函数的求解。  用极点分布判断系统的因果性和稳定性。  零状态响应、 零输入响应和稳态响应的求解。  用零极点分布定性分析并画出系统的幅频特性。  4.1 Z变换定义  4.2 Z变换收敛域  4.3 Z变换的基本性质  4.4 Z反变换  4.5 几种变换的对应关系  4.5 系统函数与频率特性

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

案例分析一：关于计量经济学方法论的讨论 案例分析二：我国城市居民家庭消费函数——一元线性回归模型 案例分析三：建筑行业工资差异制度因素的分析——一元线性回归模型 案例分析四：中国税收增长的分析——多元线性回归模型的应用 案例分析五：中国 A 股新股抑价率多因素回归分析——多元线性回归模型应用 案例分析六：影响中国旅游市场发展的主要因素——多重共线性问题 案例分析七：医疗机构数与人口数量的关系——异方差问题 案例分析八：中国农村居民消费模型——自相关问题 案例分析九：美国制造业库存量 Y 和销售额 X 的关系——分布滞后模型应用 案例分析十：1978-2003 年我国国民总收入与居民储蓄存款的关系——虚拟变量模型的应用 案例分析十一：影响中国进口量的主要因素分析——模型的设定偏误问题 案例分析十二 ：研究中国城镇居民的生活费支出与可支配收入的关系——时间序列计量经济学模型 案例分析十三 ：美国个人汽油消费支出中的协整问题——时间序列计量经济学模型 案例分析十四：中国宏观经济调控模型——联立方程计量经济学模型

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 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 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题