1. 自由度和平方和的分解 2. F分布(F Distribution) 3. 多重比较(multiple comparisons) 4. 方差分析的基本假定 5. 数据转换

Section 4.1 Concepts About Designing Experiments 试验设计的基本概念 Section 4.2 Basic Principles for Designing Experiments 试验设计的基本原则 Section 4.3 Methods of Experiment Design 常用试验设计方法 Section 4.4 Field Experiment Design 田间试验设计

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

第一节 概述 第二节 测量误差 一、误差分类及产生原因 二、误差的表示方法 三、误差的传递 四、提高分析结果准确度的方法 第三节 有效数字及其运算规则 一、有效数字 二、有效数字的修约规则 三、有效数字的运算法则 第四节 偶然误差的正态分布 一、偶然误差的正态分布和标准正态分布 二、偶然误差的区间概率 第五节 有限数据的统计处理和t分布 一、正态分布与 t 分布区别 二、平均值的精密度和平均值的置信区间 三、显著性检验

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

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