通过本项目学习，了解抽样推断的概念、特点和作用；掌握抽样误差和样本容量的计算；熟练掌握区间估计；能够确定必要的样本容量。 本项目主要任务： 1 抽样推断的一般问题 2 抽样误差 3 抽样估计 4 必要样本容量的确定 任务一 理解抽样推断的概念特点 了解抽样推断的基本形式 任务二 理解抽样误差的概念 掌握抽样误差的计算 任务三 了解抽样估计的类型 掌握区间估计的方法 任务四 理解样本容量的涵义 掌握样本容量的确定

1 历史进程 2 预备知识 采用线性激活函数的神经元 采用阈值激活函数的神经元 采用 S 形激活函数的神经元 3 异或问题 4 多层感知机到底在做什么？ 5 Tilling（耕种，耕作）算法 6 可微激活函数函的多层感知机学习方法 误差 e 的表示 误差的反向传播 反向传播算法 计算例子

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器

6 .1 多重共线性产生的背景和原因 6 .2 多重共线性对回归模型的影响 6 .3 多重共线性的诊断 6 .4 消除多重共线性的方法 6 .5 主成分回归 6 .6 本章小结与评注

第一节 2×2表x2检验 第二节 行×列表x2检验 第三节 配对资料x2检验 第一节 配对资料的符号秩和检验 第二节 两样本比较的秩和检验 第三节 多个样本比较的秩和检验

02 非参数分析的重要性 03 什么是非参数分析 (Nonparametric Analysis) 04 全局平滑法 (Global Smoothing) 目录 01 导论 06 非参数方法与机器学习 07 结论 08 05 局部平滑法 (Local Smoothing)

第八章 研究设计 第九章 观察法 第十章 访谈法 第十一章 问卷调查法 第十二章 测量法 第十三章 实验法 第十四章 质的研究 第十五章 统计数据分析 第十六章 研究报告的撰写

假设检验的概念及原理 假设检验的基本步骤 t 检验方法 二项分布与poisson分布资料的Z检验 假设检验与区间估计的关系 假设检验的功效

§6.1 点估计的几种方法 §6.2 点估计的评价标准 §6.3 最小方差无偏估计 §6.4 贝叶斯估计 §6.5 区间估计

§11.1 计算积分的Monte Carlo方法 §11.2 Markov链Monte Carlo方法简介 §11.3 Metropolis-Hastings算法 §11.4 Gibbs抽样 §11.5 贝叶斯MCMC估计方法