相關商品
商品簡介
名人/編輯推薦
目次
書摘/試閱
商品簡介
《實用測量數據處理方法（第2版）》共分八章，分別為參數估計及統計檢驗，插值計算，回歸與擬合分析，抗差估計、有偏估計及擬合推估，時間序列分析，傅裡葉分析與小波分析，神經網絡與遺傳算法，空間信息統計學基礎。與第一版相比，《實用測量數據處理方法（第2版）》的修訂去掉了有限元方法和分佈擬合檢驗兩章，增加了小波分析、神經網絡與遺傳算法和空間信息統計學基礎，充實了有偏估計、半參數估計和整體最小二乘平差、擬合推估等現代測量平差方法，並增加了二元函數插值和基於正交函數系的擬合方法等測量所需的插值與擬合方法。各章附有相關例題和習題，便於讀者的理解。
《實用測量數據處理方法（第2版）》的特點是強調常用近代數據處理的實用性，且著眼于現代測繪技術及其發展的需求，充實新的理論與方法。本書可供測繪和相關學科的學生和專業技術人員參考。
《實用測量數據處理方法（第2版）》的特點是強調常用近代數據處理的實用性，且著眼于現代測繪技術及其發展的需求，充實新的理論與方法。本書可供測繪和相關學科的學生和專業技術人員參考。
名人/編輯推薦
《實用測量數據處理方法(第2版)》的特點是強調常用近代數據處理的實用性，且著眼于現代測繪技術及其發展的需求，充實新的理論與方法。《實用測量數據處理方法(第2版)》可供測繪和相關學科的學生和專業技術人員參考。
目次
第1章參數估計及統計檢驗
1.1概述
1.2參數估計原理
1.3最小二乘估計理論
1.4整體最小二乘估計原理
1.5統計檢驗
習題
第2章插值計算
2.1概述
2.2拉格朗日插值
2.3牛頓插值
2.4插值多項式的余項
2.5埃爾米特插值
2.6樣條函數插值
2.7二元函數插值
習題
第3章回歸與擬合分析
3.1概述
3.2線性回歸分析
3.3最優回歸方程的選擇
3.4非線性回歸分析
3.5基於正交函數系的擬合方法
習題
第4章抗差估計、有偏估計及擬合推估
4.1概述
4.2抗差估計
4.3附加系統參數的平差
4.4有偏估計
4.5半參數估計原理
4.6擬合推估
習題
第5章時間序列分析
5.1隨機過程與時間序列的概念
5.2時間序列的隨機線性模型
5.3線性模型的自相關函數和偏相關函數
5.4模型的初步認識
5.5模型參數的最小二乘估計
5.6模型的檢驗和改進
5.7時間序列的預報
習題
第6章傅裡葉分析與小波分析
6.1概述
6.2傅裡葉變換及其性質
6.3離散傅裡葉變換
6.4小波與小波變換
6.5離散小波變換
6.6多分辨分析與Mallat算法
習題
第7章神經網絡與遺傳算法
7.1神經網絡
7.2神經網絡算法
7.3遺傳算法原理
7.4用遺傳算法優化神經網絡
習題
第8章空間信息統計學基礎
8.1空間信息統計學概述
8.2變異函數與變異曲線
8.3普通克裡金法
8.4泛克裡金法
8.5協同克裡金法
習題
參考文獻
1.1概述
1.2參數估計原理
1.3最小二乘估計理論
1.4整體最小二乘估計原理
1.5統計檢驗
習題
第2章插值計算
2.1概述
2.2拉格朗日插值
2.3牛頓插值
2.4插值多項式的余項
2.5埃爾米特插值
2.6樣條函數插值
2.7二元函數插值
習題
第3章回歸與擬合分析
3.1概述
3.2線性回歸分析
3.3最優回歸方程的選擇
3.4非線性回歸分析
3.5基於正交函數系的擬合方法
習題
第4章抗差估計、有偏估計及擬合推估
4.1概述
4.2抗差估計
4.3附加系統參數的平差
4.4有偏估計
4.5半參數估計原理
4.6擬合推估
習題
第5章時間序列分析
5.1隨機過程與時間序列的概念
5.2時間序列的隨機線性模型
5.3線性模型的自相關函數和偏相關函數
5.4模型的初步認識
5.5模型參數的最小二乘估計
5.6模型的檢驗和改進
5.7時間序列的預報
習題
第6章傅裡葉分析與小波分析
6.1概述
6.2傅裡葉變換及其性質
6.3離散傅裡葉變換
6.4小波與小波變換
6.5離散小波變換
6.6多分辨分析與Mallat算法
習題
第7章神經網絡與遺傳算法
7.1神經網絡
7.2神經網絡算法
7.3遺傳算法原理
7.4用遺傳算法優化神經網絡
習題
第8章空間信息統計學基礎
8.1空間信息統計學概述
8.2變異函數與變異曲線
8.3普通克裡金法
8.4泛克裡金法
8.5協同克裡金法
習題
參考文獻
書摘/試閱
根據引入自變量的方法不同，建立最優回歸方程的方法可采用下面幾種。
一、“逐步剔除”的回歸分析方法
這種方法是首先采用全部自變量來和因變量y建立回歸方程，然后對每一個自變量因子作顯著性檢驗，剔除不顯著的變量中偏回歸平方和最小的變量，然后再用剩余的變量和y重新建立回歸方程，再對方程中各自變量進行顯著性檢驗，剔去其中偏回歸平方和最小的不顯著因子，這個過程不斷重復，直至回歸方程中各個因子均顯著為止。最后一個回歸方程，即為“最優”回歸方程。
二、“逐步引入”的回歸分析方法
這種方法的基本點是從一個自變量開始，把自變量逐個地選入回歸方程。第一步是在所有的自變量中選出一個量，使它和y組成的一元回歸方程將比其他的量與y組成的一元回歸方程具有更大的回歸平方和；第二步再在未選入的變量中選擇這樣一個自變量，使它和已選人的那個變量組成的二元回歸方程，比其他任意一個量與已選人的那個量組成的二元回歸方程具有更大的回歸平方和。這個過程不斷繼續下去，在每一步中，都對將要選人的變量作顯著性檢驗，確認為顯著時才引入并進行下一步，一旦檢驗不顯著，這個過程就結束，最后一個方程，即為“最優”回歸方程。
三、逐步回歸分析方法
“逐步剔除”和“逐步引入”的方法都有不足之處，“逐步剔除”一開始就要計算包括所有自變量的回歸方程，如果原始自變量中有較多個不顯著因素，計算量將較大。“逐步引入”的方法則未考慮由于新變量的逐步引入，使得原有引入的變量有可能會失去重要性。為了克服上述兩種方法的不足，發展出“有進有出”的回歸分析方法，即逐步回歸分析方法。此種方法類似于“逐步引入”的方法，從一個自變量開始，視自變量對y作用的顯著程度，從大到小地逐個引入回歸方程。不同之處在于，當原引入變量由于后面變量的引人而變得不再顯著時，要將其剔除。引入一個變量或從回歸方程中剔除一個變量，為逐步回歸的一步。每一步都要進行F檢驗，以確保每次引入新的顯著性變量之前回歸方程中只包含顯著的變量。這個過程反復進行，直至既無不顯著變量從回歸方程中剔除，又無顯著變量選入回歸方程時為止。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。