掌握随机变量的数学期望、方差、协方差、相关系数等几个基本概念及其性质并会求一 些随机变量及函数的数学期望与方差为后面的学习打下基础

一、简介 对于正态总体，其参数无非是两个：均值(期望) µ 和方差 ，如果加上两总体的参数 比较，概括起来，对参数的假设一般只有如下四种情形：

第4.1节 数理统计学中的基本概念 第4.2节 分布密度的近似求法 第4.3节 期望与方差的点估计 第4.4节 期望、方差的区间估计及Excel实现 第4.5节 点估计法

一、主要内容 1. 随机变量的数学期望; 2. 随机变量函数的数学期望; 3. 数学期望的性质; 4. 随机变量的方差; 5. 随机变量函数的方差;

极大似然估计的求法 —选择参数的估计量,使实验结果具有最大概率 估计量的几个评选标准 ·样本原点矩是总体原点矩的无偏估计量; 无偏性——E()=·样本方差是总体方差的无偏估计量; ·无偏估计量的函数未必是无偏估计量

一、多元线性回归模型 二、多元线性回归模型的参数估计 三、OLS估计量的统计性质 四、参数估计量的方差-协方差矩阵和随机误差项σ2方差的估计 五、样本容量问题 六、多元线性回归模型实例

均值方差证券投资组合选择模型 马科维茨 Markowitz《证券组合选择》 投资选择:风险(低)收益(高)之间的“平 衡” 基于期望收益率上的投资决策,最多只能获得 最高的平均收益率 风险收益的“数量化

一、方差的概念 引例:现有甲、乙两位射手,甲射手射击中命中的环数 工用X表示,乙射手射击中命中的环数用Y表示,甲、乙两射 手射击中命中的环数分布分别为:

本文讨论了一类多变量系统自校正调节器的最优控制律及控制器参数辨识中的有关问题,给出了类似于单变量系统最小方差控制律的一种算法,便于计算,并具有较为简洁的形式。用此算法计算了两个实例的最小方差控制律,并与计算机仿真果进行了比较

一、协方差和相关系数的概念 对于二维随机变量(X,Y),除了关心它的各个分 量的数学期望和方差外,还需要知道这两个分量之 间的相互关系,这种关系无法从各个分量的期望和 方差来说明,这就需要引进描述这两个分量之间相 互关系的数字特征一协方差及相关系数,但如何 工来刻画这种关系呢?