随机数的产生 随机变量的 率密度计算 概 随机变量的累积概率值(分布函数值) 随机变量的逆累积分布函数 随机变量的数字特征 统计作图 参数估计 假设检验 方差分析

§1 随机变量的数学期望 §2 随机变量函数的数学期望 §3 随机变量的方差 §4 协方差与相关系数 §5 独立性与不相关性、矩

第一章EViews软件使用初步 第二章线性回归分析 第三章非线性模型 第四章传统时间序列分析 第五章ARMA模型应用 第六章动态计量模型基础 第七章多方程模型 第八章条件异方差模型 第九章Panel Data模型 第十章离散及受限因变量模型 第十一章EViews编程基础

§4.1 随机变量的数学期望 §4.2 随机变量的方差与标准差

一、总体均值的假设检验 当检验关于总体均值(数学期望)的假设时,该总体中的另一个参数,即方差2是 否已知,会影响到对于检验统计量的选择,故下面分两种情形进行讨论

一、抽样数据的描述统计 二、随机变量及其概率分布 三、随机变量的数学期望 四、随机变量的方差 五、常用随机变量的分布 六、应用案例

为改善三维晶粒组织可视化模型的统计性,采用Monte Carlo Potts方法建立了材料多晶体组织的一种大尺度三维数字化模型,并实现了其定量表征和三维可视化.逾万晶粒的统计结果表明,该模型的平均晶粒面数为13.8±0.1,晶粒尺寸分布和晶粒面数分布均可用Log-normal函数近似拟合,与实际材料晶粒组织情况相近

将改进的主元分析(PCA)方法应用于连铸结晶器的过程监测.基于板坯连铸结晶器摩擦力实测数据进行仿真分析,结果表明,改进的PCA避免了Q统计量的保守性,从而能够更有效地识别过程故障与工况改变引起的T2统计量的变化.与传统的PCA方法相比,改进PCA具有更强的故障检测能力

前面讨论的简单随机抽样和分层抽样,我们所关心的参 数都是单指标的,给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况,我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时,遇到的统计量不再是线 性形式,往往呈现出非线性形式,比如两个变量之比,或呈 现变量之间的回归关系

一、教学目的: 通过本节学习使学生掌握综合指数的编制方法,了解国民经济常见统计指 数的编制原理,并进而将综合指数的分析方法运用于经济分析与管理分析中