由于统计量是由样本决定的,而在一 次具体的抽样之前,样本中的每一个分量 都是随机变量,所以,在一次具体的抽样 之前,统计量也是随机变量,也有自己的 分布我们称统计量的分布为

本节介绍数理统计中的三个著名分布, 它们在参数估计和假设检验等统计推断问 题中有广泛应用 X平方分布 定义6.1设随机变量XX2X独立且服从相同 x2=x2+x2++2(6-8) 分布N(,1),则称x2=x=x2+X2 所服从的分布是自由度为m的x2-分布

上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

对于未知参数θ,除了得到它的点估 计θ外,我们还希望估计出一个范围,并希望知道这个范围包含参数真值θ的可信 程度.这样的范围通常以区间的形式给出, 而可信程度由概率给出.这种估计称为区 间估计或置信区间,以下先给出置信区间概念

一、条件概率 简单地说,条件概率就是在一定附加 条件之下的事件概率 从广义上看,任何概率都是条件概率, 因为任何事件都产生于一定条件下的试验 或观察,但我们这里所说的“附加条件” 是指除试验条件之外的附加信息,这种附 加信息通常表现为“已知某某事件发生了

一、连续型随机变量的概念 二、常见的几种连续型分布

在上一节,运用概率基本公式,可以 根据一些事件的概率计算另一些事件的概 率.现在问题是这些已知概率又当如何获取 呢?或者说,怎样直接计算一些简单事件 的概率呢?本节在等可能概率模型下讨论 这一问题

大数定律和中心极限定理是概率论的重要基本理 论,它们揭示了随机现象的重要统计规律,在概率 论与数理统计的理论研究和实际应用中都具有重要 的意义。本章将介绍这方面的主要内容

一、随机变量的数 二、高散型随机变量函数的分布 三、连续型随机变量数的分市

本章将对形式语言和有限自动机理 论中所需的数学基础知识作扼要的 介绍。内容包括集合及其运算、关 系、证明的方法、图与树的概念 以及一些常用术语和形式语言与自 动机的发展