§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

一. 向量到子空间的距离 二. 最小二乘法

针对熔融气化炉冷煤气成分含量,提出了基于熵权模糊C均值聚类和偏最小二乘的COREX冷煤气成分预测方法.建模过程中首先根据料单中各种原料的单耗量,利用熵权模糊C均值聚类的方法将料单聚类成若干种料单类别,然后针对不同的料单类别,利用偏最小二乘法分别建立冷煤气成分预测模型.对宝钢COREX-1#炉实际生产数据验证结果表明:该方法可以有效地建立COREX冷煤气成分预测模型,具有较好的预测精度

一、一元数据处理方法 1、插值法 2、数据拟合 2.1 线性最小二乘拟合（多项式拟合）方法 2.2 回归分析方法 二、多元数据处理方法 1、二维插值 2、多元回归分析 3、聚类分析 4、主成分分析 三、如何写好建模竞赛论文

二乘法 一般的最小二乘逼近(曲线拟合 的最小二乘法)的一般提法是:对 给定的一组数据(x2y)(=0, 要求在函数类0={…,n中找 一个函数y=S(x),使误差平方和 6l2=∑62=∑S(x)-yF=min∑[S(x)-y

一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

一、普通最小二乘估计 二、最大或然估计 三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

◆5.0 概述 ◆5.1 退化模型 ◆5.2 常见退化模型及辨识方法 ◆5.3 图像的无约束恢复 ◆5.4 图像的有约束最小二乘恢复 ◆5. 5 5. 5 几何畸变图像的恢复 ‹5.6 超分辨率图像复原

 § 5.1 测量误差概述  § 5.2 偶然误差的统计特征  § 5.3 观测值的最或然值及改正数。  § 5.4 观测值的精度评定  § 5.5 误差传播定律  § 5.6 加权平均值及其中误差  § 5.7 最小二乘原理与测量平差