经典方法前提要求总结：1.随机抽样（样本之间相互独立）；2.数据对称、无异常值；3.解释变量之间相关性不强；4.残差方差为常数；5.残差相互独立；6.残差与解释变量无关。 违背要求的解决方法：违背3、4、5条，引起多重共线性、异方差、自相关；违背2，引起模型敏感性，不耐抗；违背1，多层统计模型解决；违背6，技巧解决；否则，半参数解决。 探索性数据分析的实质：原本设想：只要严格假定成立，古典统计技术就是最好的办 法。后来，实践经验和理论研究使人们认识到：当实际场合偏离严格假定所描述的理想模型，古典统计技术就可能表现很差。新开发的稳健和探索性方法充实了统计分析的工具。探索性数据分析技术能帮助我们，以不那么正式的方式对付一组数据，直截了当把我们导向数据的结构。地道的统计实际工作者总是先详细察看数据，然后才提出总括统计量和假设检验。探索性数据分析提供丰富多采的详细考究一组数据的方法。它侧重先灵活探究数据，然后才把数据与概率模型作比较。稳健耐抗方法不是在一个狭窄定义场合的最好办法，而是对于广泛范围的各种场合的最好折衷办法；常常，对于其中每个场合都是接近“最好的”。无分布方法对所有可能的分布都一视同仁地看待；而稳健耐抗方法对于似乎合理可信的分布与不太合理可信的分布，是区别对待的。 本课程的内容由九部分构成，每部分的题目为：第一部分引言；第二部分茎叶图；第三部分字母值：一组当选的次序统计量；第四部分箱线图和批比较；第五部分变换数据；第六部分y对x的耐抗线；第七部分变用中位数分析双向表 ；第八部分考查残差 ；第九部分更精密的估计量的入门。