| 环境统计分析是环境科学与环境工程的基础学科之一，是一门对环境系统不确定性问题进行数据处理、模型构建和分析的学科。环境统计学的产生与发展使人们能够利用数理统计方法处理或解决环境中的不确定性问题，使其定量化，其中包括寻找变量之间的定量关系、从数据中发现环境趋势、探索环境系统变化规律。现代环境统计学一个很重要的标志就是模型技术的运用及量化分析。 |
| 第一章 概率统计基础 1.1 四种重要的概率分布 1.1.1 正态分布 1.1.2 y2 分布 1.1.3 t分布 1.1.4 F分布 1.2 随机向量的数字特征 1.2.1 数学期望 1.2.2 方差和均方差 1.2.3 原点矩和中心矩 1.2.4 变异系数 1.2.5 协方差阵和自协方差阵 1.2.6 随机变量的相关系数 1.2.7 总体与样本 1.2.8样本子样的一些数字特征 1.2.9 大数定律 1.2.10中心极限定理 1.3 参数估计 1.3.1 点估计 1.3.2 区间估计 1.4 参数假设检验 1.4.1 假设检验的原理 1.4.2 假设检验的步骤 1.4.3 参数检验 1.5 方差分析与试验设计初步 1.5.1 方差分析概述 1.5.2 单因素方差分析 1.5.3 双因素方差分析 1.5.4 试验设计初步 思考题1 参考文献 第二章 环境一元线性回归分析 2.1 一元线性回归模型 2.1.1 变量间的统计关系 2.1.2 一元线性回归模型 2.1.3 最小二乘法估计 2.2 线性回归方程的显著性检验 2.2.1 F检验法 2.2.2 相关系数检验法 2.2.3 样本决定系数r2 2.3 线性回归式的误差估计 2.3.1 线性回归式的误差估计 2.3.2 线性回归的步骤 2.4 可化为一元线性回归的曲线回归 2.4.1 倒数变换 2.4.2 对数变换 2.4.3 混合变换 2.5 环境应用 思考题2 参考文献 第三章 环境多元线性回归分析 3.1 多元线性回归模型 3.2 参数的最小二乘估计 3.3 回归方程的显著性检验 3.3.1 拟合优度检验 3.3.2 F检验 3.4 回归系数的显著性检验 3.5 Matlab语言在多元回归中的应用 3.6 环境应用 思考题3 参考文献 第四章 环境系统聚类分析 4.1 聚类分析概述 4.2 聚类要素的数据处理 4.3 距离和相似系数的计算 4.3.1 距离的计算 4.3.2 相似系数的计算 4.3.3 距离和相似系数选择原则 4.4 系统聚类分析常用方法 4.4.1 最短距离系统聚类法原理 4.4.2 最远距离聚类法原理 4.4.3 系统聚类法公式的统一 4.5 环境应用 思考题4 参考文献 第五章 环境模糊聚类分析 5.1 模糊集理论 5.1.1 模糊集的基本概念 5.1.2 模糊集的表示方法 5.1.3 模糊集的运算 5.1.4 模糊映射 5.2 模糊关系 5.3 模糊等价关系 5.4 模糊聚类分析步骤 5.4.1 数据标准化 5.4.2 模糊相似矩阵的建立 5.4.3 聚类分析 5.4.4 分类的F检验 5.5 环境应用 思考题5 参考文献 第六章 环境判别分析 6.1 距离判别分析 6.1.1 两总体情况 6.1.2 多总体情况 6.2 Fisher判别 6.3 Bayes判别 6.4 环境应用 思考题6 参考文献 第七章 环境主成分分析 7.1 主成分分析概述 7.2 主成分分析计算原理 7.3 主成分分析的性质 7.4 环境应用 思考题7 参考文献 第八章 环境因子分析 8.1 因子分析概述 8.2 正交因子模型 8.3 正交因子模型的统计意义 8.4 正交因子模型的求解 8.5 因子旋转 8.6 因子得分 8.7 环境应用 思考题8 参考文献 第九章 人工神经网络 9.1 人工神经网络概述 9.2 人工神经元模型 9.3 BP神经网络 9.3.1 BP神经网络原理 9.3.2 BP算法 9.3.3 环境应用 9.4 RBF神经网络 9.4.1 RBF神经网络原理 …… |
内容加载中，请稍后...
商品评论（0条）