基础医学定量药理学第二章ppt课件.ppt

步骤: 1.常函数（即常数）y=c(c为常数) y=0 2.幂函数y=x^n,y=nx^(n-1)(n∈Q*) 熟记1/X的导数 3．指数函数(1)y=a^x,y=a^xlna ；(2)熟记y=e^x y=e^x唯一一个导函数为本身的函数 4．对数函数(1)y=logaX,y=1/xlna (a0且a不等于1,x0) ；熟记y=lnx,y=1/x 5．正弦函数y=(sinx ）y=cosx 6．余弦函数y=（cosx） y=-sinx 7．正切函数y=(tanx） y=1/(cosx)^2 8．余切函数y=（cotx） y=-1/(sinx)^2 9．反正弦函数y=（arcsinx） y=1/√1-x^2 10．反余弦函数y=（arccosx） y=-1/√1-x^2 11．反正切函数y=（arctanx） y=1/(1+x^2) 12．反余切函数y=（arccotx） y=-1/(1+x^2) 一、微分的定义 实例:正方形均匀金属薄片受热后面积的改变量. 定义 定理 证 (1) 必要性 (2) 充分性 三、基本初等函数的微分公式与微分运算法则 求法: 计算函数的导数, 乘以自变量的微分. 1.基本初等函数的微分公式 3. 复合函数的微分法则 2. 函数和、差、积、商的微分法则 四、微分形式的不变性 第三章初等函数及图形 一、基本初等函数 1.幂函数 2.指数函数 3.对数函数 4.三角函数 二、双曲函数与反双曲函数 奇函数. 偶函数. 1.双曲函数 奇函数, 有界函数, 双曲函数常用公式 2.反双曲函数 奇函数, 奇函数, 第四节??? 直线相关 回归 ---- 变量间的依存关系 相关 ---- 变量间的互依关系 直线相关(linear correlation)：简单相关(simple correlation)，用于双变量正态分布资料。 图7－4 相关系数示意图 散点呈椭圆形分布， X、Y 同时增减---正相关（positive correlation)； X、Y 此增彼减---负相关(negative correlation) 。 散点在一条直线上， X、Y 变化趋势相同----完全正相关; 反向变化----完全负相关。 图7－4 相关系数示意图 散点呈椭圆形分布， X、Y 同时增减---正相关（positive correlation)； X、Y 此增彼减---负相关(negative correlation) 。 散点在一条直线上， X、Y 变化趋势相同----完全正相关; 反向变化----完全负相关。 图7－5 相关系数示意图 X、Y 变化互不影响----零相关(zero correlation) 一、 相关系数概念 相关系数(correlation coefficient)，又称积差相关系数（coefficient of product – moment correlation），或 Pearson 相关系数（软件中常用此名称） 说明相关的密切程度和方向的指标。 r ——样本相关系数 r无单位，-1 ≤ r ≥ 1。r 值为正 ——正相关， 为负 ——负相关； （与回归系数b的符号相同） |r|=1 --- 完全相关， |r|=0 --- 零相关。 二、相关系数的意义 三、 相关系数的计算 四、相关系数的假设检验 r≠0原因：① 由于抽样误差引起 ② 存在相关关系 公式 ，υ＝n-2 Sr---- 相关系数的标准误 注意：对于同一资料，tb＝tr，检验完全等价 习惯上，相关系数的绝对值|r|在： 0.3以下，称为微弱线性相关； 0.3-0.5，称为低度线性相关； 0.5-0.8，称为显著线性相关； 0.8以上，称为高度线性相关。 第五节??? 直线回归 函数关系： 确定。例如园周长与半径：y=2πr 。 回归关系：不确定。例如血压和年龄的关系，称为直线回归(linear regression)。 目的： 建立直线回归方程( linear regression equation) 一、 直线回归方程 一般表达式： a：截距(intercept)，直线与Y轴交点的纵坐标。 b：斜率(slope)，回归系数(regression coefficient)。 意义：X每改变一个单位，Y平均改变b个单位。 b0，Y随X的增大而增大（