目录 1
第一章 基础知识 1
§1 事件与概率 1
§2 随机变量及其概率分布 7
§ 3 正态分布与正态化处理 12
§4 随机变量的数字特征及其估计 16
§5 统计假设检验 22
§6 单站统计天气预报的思路与模式 28
§7 前兆因子的来源与提取 31
§8 几种常见的预报原则 35
§9 单站基本业务建设 36
第二章 数据分型 38
§1 单站预报中的分型问题 38
§2 简单分型 39
§3 聚类分型 42
§4 串组分型 50
§5 K-均值法 52
§6 极差分割 54
§7 最优分割 59
第三章 预报因子的筛选方法 63
§1 符号法 63
§2 积分极限定理 64
§3 条件概率 67
§4 分级相关系数 68
§5 概率贡献 73
§6 级差法 76
§7 信息量准则 79
§8 极差分析 82
§9 方差分析 84
§10 判别式 86
§11 点聚图 87
§12 秩相关系数 88
§13 相关系数的稳定性分析 90
§14 因子群选择问题 92
§15 “0,1”型因子的相关筛选 93
§16 真值图筛选 96
§17 试分筛选 100
第四章 图表预报 104
§1 指标与模式 104
§2 指标序列分型 105
§3 配分法 107
§4 复相关表 110
§5 累积相关法 112
§6 分档法 114
§7 百分率法 124
§8 分型概率图 127
§9 套迭坐标图 131
§10 网格图 133
§11 序数相关法 135
§12 多维空间聚集 139
§13 相似分析 142
§14 余差图 151
第五章 概率预报 154
§1 概率预报的基本原理 154
§2 单因子条件概率 159
§3 多因子条件概率 161
§4 贝叶斯方法 167
§5 马尔科夫链 171
第六章 “0,1”型预报 176
§1 资料的“0,1”型处理 176
§2 编码法 181
§3 线性综合 185
§4 布尔代数 194
§5 训练迭代 202
第七章 类别预报 207
§1 点聚图及其分析 207
§2 值域法 211
§3 距离法 213
§4 两级判别 216
§5 多级判别（Ⅰ）费歇尔方法 220
§6 多级判别（Ⅱ）贝叶斯方法 227
§7 逐次得分判别 230
§8 逐步判别 232
§9 分类筛选预报的极差法 239
§10 分类筛选预报的图示法 243
第八章 一次回归预报 247
§1 几个基本概念 247
§2 线性回归 252
§3 概率回归 256
§4 “0,1”回归 261
§5 非线性回归 263
§6 数量化方法 265
§7 主成份分析法 269
第九章 逐次回归预报 274
§1 逐次回归的基本概念 274
§2 因子精选的几条原则 278
§3 正交筛选法 280
§4 逐步回归 284
§5 逐段回归 300
第十章 时间序列分析 305
§1 时间序列的概念 305
§2 天气过程韵律 311
§3 简化分波法 317
§4 方差分析 320
§5 周期图分析 326
§6 谱分析 333
§7 正交多项式 337
§8 时间序列的平稳性检验 342
§9 自回归模式 345
§10 维纳滤波法 350
第十一章 小概率事件的预报 353
§1 相似形势分析法 353
§2 消零法 361
§3 多点聚图通过法 364
§4 肯定度函数 369
第十二章 预报集成方法 373
§1 权重集成 373
§2 交互相关集成 376
§3 编码集成 378
§4 逐步点聚集成 378
§5 简单线性集成 382
§6 回归集成 384
§7 判别集成 385
§8 概率相关集成 387
第十三章 预报质量的鉴定 392
§1 两级预报的鉴定 392
§2 多级预报的鉴定 394
§3 连续性变量预报的鉴定 397
附录 400
§1 线性方程组的解法 400
§2 向量和矩阵 407
§3 方阵的特征值与特征向量 413
§4 预报指标的逻辑结构 418
附表 421
附表1 正态分布密度函数的数值表 421
附表2 正态分布函数的数值表 421
附表3 t分布表 422
附表4 F分布表 422
附表5 x2分布表 425
附表6 符号检验表 425
附表7 相关系数检验表 426
附表8 复相关系数检验表 426
附表9 正交多项式 427