實驗設計數(shù)據(jù)處理與計算機模擬

第1章  誤差理論和測定結(jié)果表達
  1.1 測量誤差的分類
  1.2 隨機誤差的統(tǒng)計規(guī)律性
  1.3 正態(tài)分布與t分布
  1.4 樣本異常值的判斷和處理
  1.5 測量結(jié)果的區(qū)間估計
  1.6 測量結(jié)果的有效數(shù)字
第2章  統(tǒng)計推斷和顯著性檢驗
  2.1 數(shù)理統(tǒng)計的基本概念
  2.2 假設檢驗的基本思路和方法
  2.3 總體均值的顯著性檢驗
  2.4 總體方差的統(tǒng)計檢驗
第3章  線性回歸
  3.1 相關
  3.2 散點圖
  3.3 一元回歸方程的求法和配線過程
  3.4 回歸方程的相關系數(shù)
  3.5 回歸方程的精密度和置信范圍
第4章  曲線擬合
  4.1 一個曲線變直求取經(jīng)驗方程的實例
  4.2 經(jīng)驗方程式類型的確定
  4.3 經(jīng)驗方程式中常數(shù)的確定
  4.4 曲線變直和相關系數(shù)
第5章  誤差分析和實驗設計
  5.1 誤差傳遞
  5.2 自誤差分析確定儀器精度
  5.3 自誤差分析確定實驗點的位置的研究實例
第6章  單因素及雙因素優(yōu)選法
  6.1 黃金分割法
  6.2 分數(shù)試驗法
  6.3 對分法
  6.4 用黃金分割法作經(jīng)驗方程式中參數(shù)精估的數(shù)據(jù)處理
  6.5 陡度法——雙因素優(yōu)選法
第7章  多因素優(yōu)選的正交實驗設計法
  7.1 MoO3流失因素考察實例
  7.2 氯萘水解制α-萘酚工藝條件的確定
  7.3 正交試驗結(jié)果的顯著性檢驗
第8章  二次回歸正交實驗設計
  8.1 二次回歸正交實驗的數(shù)學模型和組合實驗設計
  8.2 二次回歸組合實驗設計的正交性
  8.3 二次回歸正交組合設計的基本步驟
  8.4 二次回歸正交組合設計應用實例
第9章  均勻設計及應用
  9.1 均勻設計表的使用和特點
  9.2 均勻設計表的構(gòu)造和運用
  9.3 混合水平均勻設計表的使用
  9.4 配方均勻設計
第10章  數(shù)學模擬實驗
  10.1 建立數(shù)學模型的一般步驟
  10.2 AlCl3在異丙苯合成反應系統(tǒng)中的停留時間分布
  10.3 RTD曲線與補加催化劑的最佳周期
  10.4 連串反應工藝條件最優(yōu)化數(shù)學模型的建立
第11章  模型判別與序貫實驗設計
  11.1 散度
  11.2 停留時間分布的模型判別實驗設計
  11.3 用散度法設計動力學實驗的實例
  11.4 模型判定
  11.5 實驗熵與后驗概率
  11.6 序貫實驗設計
第12章  置信域與統(tǒng)計的實驗設計
  12.1 聯(lián)合置信域
  12.2 聯(lián)合置信域的計算方法
  12.3 不同試驗設計結(jié)果的置信域分析
  12.4 以置信域容積最小作為目標的實驗設計方法
第13章  準確求取反應動力學參數(shù)
  13.1 最小實驗點數(shù)及位置安排
  13.2 文獻實例校核
  13.3 GPLE燒結(jié)動力學參數(shù)的求取
第14章  Monte Carlo模擬
  14.1 Monte Carlo方法基礎
  14.2 乘同余法
  14.3 化學反應的特征與Monte Carlo模擬
  14.4 一級催化反應的Monte Carlo模擬算法示意
  14.5 一級連串反應
  14.6 Monte Carlo方法在高分子科學中的應用
第15章  分形的基礎及應用
  15.1 分形是如何產(chǎn)生的
  15.2 分形的維數(shù)
  15.3 分形與人口動力學
  15.4 催化劑表面分形的生成過程及其吸附行為
第16章  人工神經(jīng)網(wǎng)絡
  16.1 神經(jīng)組織的基本特征
  16.2 人工神經(jīng)元的M-P模型
  16.3 多層前傳網(wǎng)絡的向后傳播算法——B-P算法
  16.4 蠓蟲分類的應用實例
  16.5 人工神經(jīng)網(wǎng)絡在化學化工中的應用
  16.6 人工神經(jīng)網(wǎng)絡的研究方向和發(fā)展趨勢
第17章  數(shù)據(jù)挖掘與人工智能
  17.1 數(shù)據(jù)挖掘的概念
  17.2 數(shù)據(jù)挖掘技術(shù)的起源與發(fā)展
  17.3 統(tǒng)計分析與數(shù)據(jù)挖掘的主要區(qū)別
  17.4 數(shù)據(jù)挖掘的基本方法
  17.5 淺層學習與深度學習
  17.6 人工智能的發(fā)展與未來
第18章  常用數(shù)據(jù)處理軟件簡介
  18.1 Excel軟件簡介
  18.2 Origin軟件簡介
  18.3 Mathcad軟件簡介
  18.4 Matlab軟件簡介
  18.5 Design-Expert軟件簡介
主要符號表
附錄1  t分布臨界值表
附錄2  標準正態(tài)分布的分布函數(shù)表
附錄3  F檢驗的臨界值（Fα）表
附錄4  χ2分布表
參考文獻