众所周知,计算机在抽样过程中起着十分重要的作用。 例如,前面提出利用计算机产生随机数,当然我们知道它产 生的是“伪”随机数。本章所讨论的系统抽样在抽样过程中 选择使用计算机将是十分方便的

信源及其分类 信源就是信息的来源 在一个固定的时刻,信源发出的是一个随机变量。 随着时间的延续,信源发出的是一个随机过程

在实际检验的过程中，并不是将这3万只灯泡全部一一进行 检验，常常是随机地抽取其中一部分来进行灯泡的寿命的检测. 事实上，通常没有必要有时甚至不可能对总体逐一进行检验. 如考察一批炮弹的质量，能把它们全部爆炸来进行检验吗？又 如，检验一批棉花的纤维抗拉强度也只能随机地抽取其中一部 分来进行，等等

完全随机设计的单因素方差分析 One -Way- ANOVA过程是检验单一因素影响多个(两个 以上)彼此独立的样本是否来自相同的总体。适合于: 1、 各样本是相互独立的随机样本; 2、各样本来自正态总体;

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

再谈试验及样本空间 一次随机试验的所有可能的试验结果所构 成的集合被称作样本空间,而每一个可能 的试验结果构成样本点.样本点的集合A称 作事件,只包含一个样本点的集合{a}被称 作基本事件. 请注意,这里的试验结果实际上是一次试验 的全过程的记录,因此和我们原来的印象中 的试验结果并非一样,并非试验结束时候的 那个结果

本文在[1]的基础上作了较一般的推广。将脱碳动力学模型中的容量传质系数作为随机系数来处理。在某些假定条件下,求出了解过程的理论表达式,并进行了矩函数计算

DF 检验要求模型 的随机 扰动项 t e 独立同分 布。但在实际应用中这 一条件往往不 能满足（如上一节中的有关例子）。一般来说，如果估计 模型的 DW 值偏离 2 较大，表明随机扰动 项是序列相关的，在这种情 况下使用 DF 检验可能会导致偏误，需要 寻找新的检验方法

概率论与数理统计是研究随机现象统计规律性的学科而随机现象的规律性在相同的 条件下进行大量重复试验时会呈现某种稳定性.例如,大量的抛掷硬币的随机试验中,正面 出现频率;在大量文字资料中,字母使用频率工厂大量生产某种产品过程中,产品的废品 率等.一般地,要从随机现象中去寻求事件内在的必然规律,就要研究大量随机现象的问题 在生产实践中,人们还认识到大量试验数据测量数据的算术平均值也具有稳定性.这 种稳定性就是我们将要讨论的大数定律的客观背景在这一节中