第一节 联立方程组模型及其假设 第二节 联立方程组模型的识别性 第三节 联立方程组模型的参数估计

第一节 两变量线性回归模型 第二节 参数估计 第三节 最小二乘估计量的性质 第四节 回归拟合度评价和决定系数 第五节 统计推断 第六节 预测

• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

一、矩估计法 二、极大似然估计法

四、非正态总体均值差的区间估计 三、两个正态总体参数的区间估计 二、非正态总体均值的区间估计 一、一个正态总体参数的区间估计

§2.1 一元线性回归模型的概述 §2.2 回归模型的参数估计

1. 估计量与估计值的概念 2. 点估计与区间估计的区别 3. 评价估计量优良性的标准 4. 一个总体参数的区间估计方法 5. 两个总体参数的区间估计方法 6. 样本容量的确定方法

一、点估计 二、矩估计 三、最大似然估计 四、估计量的评选标准 五、区间估计 六、均值的估计 七、方差的估计

定义 6.7 设总体 X 的分布函数为 F(x;θ )，θ 为未知参数，( ) X X Xn , ,..., 1 2 是来 自总体 X 的样本

6.1.1 问题的提出 在实际问题中经常遇到随机变量X (即总体X)的分布函数