从2004中国国际旅游交易会上获悉，到2020年，中国旅 游业总收入将超过3000亿美元，相当于国内生产总值的 8%至11%。（资料来源：国际金融报2004年11月25日 第二版）

基本思想: 把水文要素随时间的变化作为一个随机过程来研究,分析水文要素前后期演变情况的统计规律,应用这一规律由前期水文要素的数值作出后期要素的预报。 一个随机过程离散化后得到一个水文时间序列

提出了一种基于多变量相重构的混沌时间序列预测方法.该预测方法从非线性动力学系统中获取与待预测时间序列相关的信息组成多变量时间序列,首先进行多变量相空间重构,然后利用局域多元线性回归模型在相空间中进行预测,最后从预测出的高维相点中分离出时间序列的预测值.由于考虑了动力学系统中多个变量之间相互耦合的关系,从而增加了重构相空间的系统信息量,使得相空间的相点轨迹更加逼近原系统的动力学行为.与采用单变量进行预测的方法相比,基于多变量相重构的预测方法无论是单步预测还是多步预测,都能有效地提高预测精度,且具有嵌入维数的选择对预测精度影响较小的优点.通过对Lorenz混沌信号进行预测,实验结果验证了方法的有效性

在群智感知（mobile crowd sensing，MCS）数据收集过程中，任务参与者的恶意行为能够显著降低感知结果的真实性.为解决此问题，提出了一种参与者信誉度感知的数据收集机制，通过意愿程度和数据质量分析信任状态、量化历史信誉度，进而，根据逻辑回归模型动态更新参与者当前信誉度.同时，为准确衡量感知数据可信程度，利用剩余可发送时间和移动设备剩余能量将参与者分为直接发送和间接转发两类，从而在多任务并发场景下，服务器根据结果合理地选择任务参与者，达到准确可靠收集感知数据的目的.结果表明所提出数据收集机制能大幅度提升感知任务实时性，显著提高感知数据质量，有效降低服务器总奖励开销

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数(discriminant function)然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量(grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因变量,有时可能倒是真正的“结 果”或“反应”变量

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）

第7.1节 一元回归分析模型 第7.2节 回归系数的最小二乘估计 第7.3节 回归估计的统计推断 第7.4节 预测 第7.5节 多元回归分析

一、多元线性回归模型 二、多元线性回归模型的基本假定

一、多元线性回归模型 二、多元线性回归模型的基本假定