第5章相关与回归分析(8学时)
5.1简单线性相关(2学时)
1.相关关系及其表现形态
相关关系与函数关系的区别
相关关系的表现形态
正相关与负相关的含义
2.相关关系的描述与测度
相关关系的散点图表示
简单相关系数的定义与计算
3.相关系数
4.相关系数的检验
5.2一元线性回归(3学时)
1.一元线性回归模型
2.一元线性回归模型的参数估计(最小二乘法)
3.一元线性回归模型的检验
4.利用EXCEL软件进行一元线性回归分析
5.应用回归模型预测
5.3多元线性回归分析(2学时)
1.多元线性回归模型
2.回归参数的估计
3.回归模型的检验和预测
5.4应用线性回归模型几点说明(1学时)
1.建立回归模型的技巧
2.建立回归模型过程的说明
3.应用线性回归模型应注意的问题
本章要点:
理解相关分析与回归分析的意义及其区别;掌握一元线性回归的基本原理、参数的最小二乘估计方法;理解回归分析中显著性检验的意义,掌握显著性检验的具体方法。
了解多元线性回归和非线性回归分析的基本方法;掌握相关分析的原理、方法,理解相关系数显著性检验的意义,掌握相关系数显著性检验的方法;
掌握利用EXCEL软件进行回归分析的技巧以及对计算结果的解释。
第二部分运筹学部分(32-36学时)
第6章:决策分析(6学时)
6.1不确定条件下的决策准则
1.最小最大准则(悲观准则)
2.最大最大准则(乐观准则)
3.最小机会损失准则
4.最大期望值准则
6.2决策树模型
1.构成决策树的基本要素:决策点、事件点、概率值、损益值
2.决策树计算
3.最优决策路线
4.最优决策的风险特征
5.敏感性分析
6.3决策分析中附加信息价值
1.有附加信息后的概率修正(后验概率计算)
2.附加信息价值计算
样本信息期望值的定义与计算方法
完全信息期望值的定义与计算方法
6.4关于决策树方法的进一步讨论
1.最大期望值有效性问题
2.效用理论在决策树方法中的应用
本章要点:
了解什么是不确定条件下的决策分析以及不确定条件下决策分析的特点;掌握不确定条件下的决策准则;重点理解最大期望值准则以及它的适用条件。
掌握构成决策树模型的基本要素,能够熟练应用决策树模型描述复杂的决策问题,掌握决策树模型中条件概率的应用和计算方法,掌握决策树模型的倒推计算方法;理解决策问题的风险问题和决策策略风险特征的概念,能够列出最优决策的风险特征。
掌握利用决策树模型计算附加信息价值的方法,理解样本信息价值和完全信息价值的概念,掌握样本信息价值和完全信息价值的计算方法。
了解效用理论的基本概念以及在决策树计算中的应用方法。
责任编辑:小草