在程序设计中，为了处理方便，把具有相同类型的若干变量按有序的形式组织起来。这些按序排列的同类数据元素的集合称为数组。在Ｃ语言中，数组属于构造数据类型。用一个统一的数组名和下标来唯一地确定数组中的元素。 7.1 一维数组的定义和引用 7.2 二维数组的定义和引用 7.3 字符数组

◼ 1. 相关关系的分析方法 ◼ 2. 一元线性回归的基本原理和参数的最小二乘估计 ◼ 3. 回归直线的拟合优度 ◼ 4. 回归方程的显著性检验 ◼ 5. 利用回归方程进行估计和预测 ◼ 11.1 变量间关系的度量 ◼ 11.2 一元线性回归 ◼ 11.3 利用回归方程进行估计和预测 ◼ 11.4 残差分析

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(SRF)

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（SRF）

一、了解函数的两种传递方式：值传递和地址传递 二、能够进行普通变量和数组元素作函数参数的程序设计 三、能够以数组名字作函数参数进行程序设计

一、数据集合 Measurements of items e.g., Yearly sales volume for your 23 salespeople e.g., Cost and number produced, daily, for the past month 二、基本单元 The items being measured e.g., Salespeople, Days, Companies, Catalogs, . 三、变量 The type of measurement being done e.g., Sales volume, Cost, Productivity, Number of defects

第三节几种可降阶的高阶常微分方程 二阶和二阶以上的微分方程,称为高阶微分方程。 通过变量代换将高阶方程转化为较低阶的微 分方程进行求解的方法,称为“降阶法”。 “降阶法”是解高阶方程常用的方法之一

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 虚拟变量的应用 第七节 多重共线性及其解决方案 第八节 计算机应用

第一节 相关和回归 第二节 一元线性回归模型 第三节 多元线性回归模型 第四节 方程的解释能力 第五节 回归方程的检验和回归系数的推断统计 第六节 多重共线性及其解决方案 第七节 虚拟变量的应用 第八节 计算机应用 第九节 研究实例

一、字符串的指针和指向字符串的指针变量 二、字符串可以用字符数组和字符指针表示 三、用字符指针表示字符串，用字符串指针作函数参数实现关