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：

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

§5 多维随机变量函数的分布 一般情形求随机变量函数分布的方法 和的分布 商的分布 极值分布

问题1极大似然估计具有不变性,矩估计是否也具有? 答否 例如服从反射正态分布,其p.d.f为现用矩法分别对和作估计

由于很多总体都是正态总体,所以正态总体参数的假设检验尤为重要,利用上一节课讲过的 方法和正态总体的均值方差函数的性质,可导出下列检验表

在实际问题中,试验结果有时需要同 时用两个或两个以上的rv来描述 例如用温度和风力来描述天气情况. 通过对含碳、含硫、含磷量的测定来研究 钢的成分.要研究这些rv之间的联系,就 需考虑多维r.v及其取值规律—多维分布

在实际问题中,试验结果有时需要同 时用两个或两个以上的rv来描述 例如用温度和风力来描述天气情况. 通过对含碳、含硫、含磷量的测定来研究 钢的成分.要研究这些rv之间的联系,就 需考虑多维r.v及其取值规律—多维分布

§7.1 点估计 §7.2 基于截尾样本的最大似然估计 §7.3 估计量的评选标准 §7.4 区间估计 §7.5 正态总体均值和方差的区间估计 §7.6 (0－1)分布参数的区间估计 §7.7 单侧置信区间

3.3~3.4多维随机变量的数字特征 一 多维随机变量函数的数学期望 二 多维随机变量方差和数学期望性质 三 协方差与相关系数 四 n维随机变量的协方差矩阵

 §7.1 点估计  §7.2 基于截尾样本的最大似然估计  §7.3 估计量的评选标准  §7.4 区间估计  §7.5 正态总体均值和方差的区间估计  §7.6 (0－1)分布参数的区间估计  §7.7 单侧置信区间