目录 绪论 试验设计与数据处理的概念和意义 试验设计与数据处理的发展和应用 试验设计与数据处理的基本概念 样本及其分布 总体与样本 石 样本分布函数与统计量 直方图和秩 抽样分布 参数估计与假设检验 概述 参数估计 参数的假设检验 正交试验设计的基本思想与正交表s 正交试验设计的基本思想 正交表的概念与类型 正交表的构造 正交试验设计的直观分析 单指标正交试验设计 多指标正交试验设计 混合型正交试验设计心 考虑交互作用的正交试验设计 试验设计的方差分析 概述 单因素试验的方差分析 正交试验设计方差分析的基本原理 相同水平正交试验设计的方差分析91 不同水平正交试验设计的方差分析 重复试验和重复取样的方差分析 正交试验设计的效应估计 正交试验设计中正交表的灵活运用 并列法 拟水平法 拟因素法 其它方法 SN比试验设计与产品三次设计简介 SN比及其应用 产品三次设计 一元线性回归分析 回归分析的基本概念 一元线性回归的数学模型 参数的最小二乘估计 相关系数及其显著性检验 一元线性回归的方差分析 重复试验的方差分析 利用回归方程进行预报和控制 化非线性为线性回归 回归直线的简便求法 多元线性回归分析 多元线性回归的数学模型 参数的最小二乘估计 多元线性回归的方差分析 逐步回归方法 回归正交设计 多项式回归与正交多项式

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系

一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数（SRF）

本章介绍了回归分析的基本思想与基本方法。首先，本章从总体回归模型与总体回归 函数、样本回归模型与样本回归函数这两组概念开始，建立了回归分析的基本思想。总体回 归函数是对总体变量间关系的定量表述，由总体回归模型在若干基本假设下得到，但它只是 建立在理论之上，在现实中只能先从总体中抽取一个样本，获得样本回归函数，并用它对总 体回归函数做出统计推断

一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数(SRF)

一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数（SRF）

在客观世界中,普遍存在着变量之间的关系数学的一个重要作用就是从数量上来揭 示、表达和分析这些关系。而变量之间关系,一般可分为确定的和非确定的两类.确定性关 系可用函数关系表示而非确定性关系则不然 例如,人的身高和体重的关系、人的血压和年龄的关系、某产品的广告投入与销售额 间的关系等,它们之间是有关联的,但是它们之间的关系又不能用普通函数来表示我们 称这类非确定性关系为相关关系

要点：掌握一元线性回归模型中的基本概念、方法。区分 总体回归函数和样本回归函数。掌握普通最小二乘法的思 想和计算方法

导数定义与概念是一元函数微分学的核心内容，对它的背景与概念，应从极限的角度去认 识，并且应把导数的定义看作一种标准极限模式。 由导数概念本身，可以得到一系列重要性质，而这些性质是研究函数性态的重要依据与工 具。在计算方面，应训练准确快速的导数计算能力。在学习中要掌握好基本初等函数的导数公 式，导数的四则运算法则和复合函数的求导法则，以及反函数、隐函数和由参数方程确定的函 数的求导公式及要点