JMP 方差分析和回归课程我们很高兴为您带来这个免费的电子学习课程使用方差分析和回归进行统计决策。 该课程包括统计基础知识中的许多主题，并且大多数课程都建立在之前的课程之上。 这是您应该按顺序学习的课程。
- 第 1 课是一个介绍统计概念,描述性统计,推论统计,假设检验，以及单样本 t 检验。关键词：评估正态性、标准误差、置信区间、一尾和二尾检验
- 第 2 课是关于方差分析，包括如何处理多重比较并解决预期问题力量或者样本量要求。关键词：比较组均值、土耳其 HSD、Bonferroni、保守、自由、实验错误率
- 第三课涵盖回归，从散点图和相关性，然后介绍简单线性回归，并增加复杂性多项式回归。关键词：最小二乘法、平方和
- 第 4 课涵盖额外的复杂性：多元线性回归模型构建,多因素方差分析中的组合因素,评估假设,模型解读，以及该怎么做当事情出错时。关键词：交互、Profiler、Box-Cox 变换、共线性、VIF、Mahalanobis 和 Jackknife 距离统计、影响力、杠杆
- 课程结束于十个顶点练习这些内容（连同解决方案）以单独的形式呈现第五课。 这些练习提供了在现实场景中练习本课程中学到的经验教训的机会。
该课程是使用 JMP 版本 15 开发的，并针对 JMP 版本 16 进行了细微调整。 版本 17 中还发生了一些额外的轻微菜单更改。 JMP 版本 17 的大部分材料保持不变，但样本大小浏览器是您应该检查的一项新工具。了解有关样本量浏览器的更多信息这里。 通过转至 JMP 中的帮助 > 新功能，可以找到本课程中使用的平台中的其他新功能。
请将有关课程的任何反馈发送至Ruth.Hummel@jmp.com标题为“方差分析和回归课程的反馈”——谢谢！
我们希望您喜欢本课程并从中受益匪浅！
基础数据分析和建模
