一、目的要求 1.理解方差分析的基本思想和应用条件。 2.掌握各种设计资料的方差分析方法，并了解其计算方法。 3.熟悉多个样本均数的两两比较和方差齐性检验

一、目的要求 1. 了解队列研究的设计及需注意的问题； 2. 掌握相对危险度和归因危险度的意义、计算；熟悉相对危险度的假设检验与区间估计方法方法；熟悉M-H分层分析方法及趋势检验方法;

一、目的要求 1. 了解队列研究的设计及需注意的问题； 2. 掌握相对危险度和归因危险度的意义、计算；熟悉相对危险度的假设检验与区间估计方法方法；熟悉M-H分层分析方法及趋势检验方法; 3. 掌握人时发病率、发病概率和累计发病概率的意义、区别与计算方法；熟悉暴露人年的计算

本章要讲述某些用于定序尺度的双样本检验。与以前所讲的检验不同，使用这类方法不需要对总体分布作任何事先的假定(例如正态总体)。同时从检验的内容来说，也不是检验总体分布的某些参数(例如均值、成数、方差等)，而是检验总体某些有关的性质，所以称为非参数检验。非参数检验，泛指“对分布类型已知的总体进行参数检验”之外的所有检验方法。 第一节 符号检验 第二节 配对符号秩检验 第三节 秩和检验 第四节 游程检验 第五节 累计频数检验

教学内容： 1.总量指标的含义、种类、计量单位及其各种单位的特点 2.相对指标的含义、表现形式及种类 3.平均指标的内涵、作用、各种平均数的计算方法、应用场合 4.标志变异指标的含义、作用、种类及其计算 教学重点： 1.总量指标的种类 2.相对指标的种类及计算 3.平均指标的种类、计算及其应用场合 4.标志变异指标的作用、种类及其应用场合 教学难点：平均指标、标志变异指标的计算及其应用场合

教学内容： 1.抽样推断的含义、作用 2.抽样推断中的基本概念 3.抽样误差的概念、影响因素 4.概率度、概率保证程度的含义及其二者之间的关系 5.总体参数的抽样估计方法 6.随机抽样的几种抽样组织方式（含义、样本容量的确定、抽样误差的计算） 教学重点： 1.抽样误差的概念、影响因素 2.总体参数的抽样估计方法 教学难点： 1.抽样平均误差、极限误差的含义及其关系 2.极限误差、概率、概率度的含义及其关系

6.1 测量误差 6.2.1 测量误差的来源 6.2.2 测量误差的分类 6.3 对测量仪器、方法和结果的评价 6.4 检出限 6.5 测量数据的处理 6.6 测量不确定度(uncertainty of measurement)

学习本章的目的在于掌握总量指标、相对指标、平均指标、变异指标的概念、特点和它们的计算方法、并能够运用所学的方法分析具体问题。 讲授内容：总量指标 相对指标 平均指标 标志变异指标

通过本章的学习，要求掌握抽样推断的基本概念和一般原理：抽样误差的形成原因及其影响因素，抽样平均误差的计算；极限误差的含义、计算；概率度、概率的含义；总体参数的估计等。 第一节 抽样推断的意义和作用 第二节 抽样推断中的基本概念 第三节 抽样误差 第四节 抽样估计的方法 第五节 抽样的组织方式 第六章 抽样推断

（一）理论课程 1《空间解析几何》 2《离散数学》 3《时间序列分析》 4《数值计算方法》 5《运筹与优化》 6《Python 程序设计》 7《常微分方程》 8《大数据技术原理及应用》 9《复变函数论》 10《概率统计》 11《高等代数》 12《面向对象程序设计》 13《数据结构与算法》 14《数据库原理及应用》 15《数据挖掘》 16《数理统计》 17《数学分析（1）》 18《数学分析（2）》 19《数学建模(1)》 20《数学建模(2)》 21《数学软件及应用》 （二）实验课程 22《时间序列分析》 23《数据结构与算法》 24《数学软件及应用》 25《数值计算方法》 26《Python 程序设计》 27《大数据技术原理及应用》实验 28《面向对象程序设计》 29《数据库原理及应用》课程 30《数据挖掘》 31《数理统计》 （三）实践课程 32《专业教育》 33《web 数据挖掘与电子商务项目实训》 34《技能实训》教学大纲 35《客户数据分析项目设计》 36《数学建模(1)》 37《数学建模(2)》 38《中文文本数据挖掘项目实训》 39《综合项目实训》教学大纲 40《毕业设计（论文）》教学大纲 41《毕业实习》教学大纲