贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

第一节 相关关系及种类 第二节 定类变量的相关分析 第三节 定序变量的相关分析 第四节 定距变量的相关分析 第五节 回归分析

最大间隔与支持向量机 支持向量回归 软间隔与正则化 核方法 统计学习理论简介

•第2.1节 随机变量的概念 •第2.3节 随即变量的分布 •第2.4节 连续型随机变量 •第2.5节 随机变量函数的分布 •第2.2节 离散型随机变量

第一节 实验设计的基本要素 第二节 实验设计的基本原则 第三节 常用的实验设计方案 第四节 样本含量的估计 第五节 临床实验设计

4.1 基本原理及问题 4.2 统计估算方法 4.3 优化反演方法 4.4 查找表方法 4.5 综合反演方法 4.6 基于知识的不确定性反演方法

4.1 参数估计的基本原理 估计量与估计值 点估计与区间估计 评价估计量的标准 4.2 一个总体参数的区间估计 总体均值的估计 总体比率的估计 总体方差的估计 4.3 样本量的确定

第一节 试验设计概述 第二节 动物试验计划 第三节 试验设计的基本原则 第四节 完全随机设计 第五节 随机单位组设计 第六节 拉丁方设计 *第八节 正交设计 第九节 调查设计 第十节 样本含量的确定

2.1.1 随机抽样 2.1.2 无偏点估计 2.1.3 μ的u估计 2.1.4 σ2的χ2估计 2.1.5 μ的t估计

这一章描述了组对象的视图与过程。对一个组我们可以计算各种统计量，描述不同序列之间的关系，并以各种方式显示出来，例如表格、数据表、图等