• 前言 • 供应问题的存在 • 传统采购组织：功能式组织 • 供应问题造成竞争力的下降 • 企业采购行为的发展 • 21世纪的市场法则--变化与时间 • 供应管理的程序与工具 • 供应流策略(Supply Stream Strategy)

杂种优势育种的概念与利用价值 杂种优势育种的一般程序 杂交种子的生产 雄性不育系的选育利用 自交不亲和系的选育与利用 园艺育种学一杂种优势育种

5.1异步电动机的基础知识 5.2异步电动机的电磁转矩和机械特性 5.3三相异步电动机的控制 5.4常用控制电器 5.5电气控制电路

21世纪中国人的生活消费结构由温饱型向小康型并向富裕型转变,人们会更注重食品的营养成分。对功能性保健食品的需求也会逐步增长。中国是糖果的生产和消费大国,每年销量达到55万吨,世界排名第三

21世纪是生命科学的世纪,生物工程是优先发展的高科技领域之一。生物工程工业分 析实验是生物工程专业教学设置中的一们主要专业课程,是初步了解、学习和掌握生物工程 工业分析研究的一个重要实践性环节。其实验目的是为了有针对性地解决一个具有明确工业 背景的生物工程问题,旨在培养学生掌握生物工程工业生产过程中的质量研究和质量控制的 基本理论知识与基本操作技能,具有基本的实验研究思路和分析问题解决问题的能力学生 通过较为系统的实验室工作来培养自己的动手能力,分析问题的能力

《环境工程设计手册》一书自1992年出版以来,由于该书内容精练、综合 性强、适用面广而深受广大环保工作者的欢迎,同时许多读者也给我们提出了 若于宝贵的建议,在此深表谢意。 近几年来很多读者与湖南科学技术出版社和我们联系欲购此书,均未能满 足要求。这是因为初版时受多方条件的展制,印刷数量有限,早已于五年前销 售一空。为此,湖南科学技术出版社几年前就要求我们修订再版,但由于时间 关系等诸多原因能实施。在此深表歉意。 今天,世界已跨入了崭新的21世纪,人类对环境保护愈渐重视。为促进新 世纪的环境保护工作,我们经多方努力,筹集资金,本着增添高新的技术内容 最新的典型实例及国家新的环境标准的宗旨,对1992年版《环境工程设计手 册》进行了修订,将原收编的环境保护标准修订成了新标准,增加了硫氧化物 脱除

多元线性回归( multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化 回归这一名词起源于19世纪生物学家F.高尔顿进行的遗传学研究,他在研 究子女身高与父母身高之间关系时发现

Visual Basic的语言基础 变量 变量有两个特性:名字和数据类型。 变量的命名规则 变量代表在程序执行过程中其值可以改变的存储单元,这个存储单元的名字称为变量名。VB变量名的命名规则为: 1.变量名只能有字母、数字和下划线组成; 2.变量名的第一个字符必须是英文字母,最后一个字符可以是类型说明符号; 3.变量名也可以是其他语言中的字符,例如汉字;如姓名可以作为变量名。 4.变量名最长不能超过255个字符; 5.不能使用 Visual Basic的保留字作为变量名。例如: print,cls等不能作为变量名。但是可以将保留字作为变量名的一部分使用,例如: printscr, clspic等 6.变量名在6.VisualBasicheIo《HEeIIooheIIOHELLO中不区分大小写。例:hello、ello,hello和hello等是同一个变量。在输入之后, Visual Basic会自动将他们转化成相同的写法

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受

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