社会上，许多现象之间也都有相互联系，例如：身高与体重、教育程度和收入、学业成就和家庭环境、智商与父母智力等。在这些有关系的现象中，它们之间联系的程度和性质也各不相同。本书第十章提出了两总体的检验及估计的问题，这意味着我们开始与双变量统计方法打交道了。双变量统计与单变量统计最大的不同之处是，客观事物间的关联性开始披露出来。这一章我们将把相关关系的讨论深入下去，不仅要对相关关系的存在给出判断，更要对相关关系的强度给出测量，同时要披露两变量间的因果联系，其内容分为相关分析和回归分析这两个大的方面

直观上看,所谓随机变量,就是我们在随机实验中测定的量。例如观察10只新生动物的性。 一、随机变量: 别,并计算其中雄性动物的数量X,显然X可能取值为0,1,…,10;但究竟取值为几,只能 在实验结束时才知道。象这样在实验中所得到的取值有随机性的量,就称为随机变量。随机变 量的特点就是当实验条件一定时,实验结果仍不确定

随机变量分布的类型已知, 需要由观测数据确定 该分布的参数 由观测数据确定随机变量概率分布类型, 并在此 基础上确定其参数 由已有的观测数据难以确定该随机变量的理论分 布形式, 则定义一个实验分布

一、填空(每空5分,共60分) 1.方差分析(ANOVA)通常用于检验 一元单因素( Univariate One--way)方差分析指个测试变量、个分类变量的方差分 析。 一元双因素( Univariate Two-way)方差分析指个测试变量、个分类变量的方差分 析。 在双因素方差分析中考虑交互效应的模型称为 否则称为

本章主要讨论了经典单方程回归模型的几个专门题。 第一个专题是虚拟解释变量问题。虚拟变量将经济现象中的一些定性因素引入到可以 进行定量分析的回归模型，拓展了回归模型的功能。本专题的重点是如何引入不同类型的虚 拟变量来解决相关的定性因素影响的分析问题，主要介绍了引入虚拟变量的加法方式、乘法 方式以及二者的组合方式

第三章变量的形成 1.从概念到变量 从概念到变量,一般有如下4个阶段: （1)概念形成阶段这是对具有

多重共线性的概念 多重共线性的来源与后果 多重共线性检验 多重共线性的修正方法 案例分析 多重共线性的概念 多重共线性的来源与后果 多重共线性的来源 多重共线性的后果 多重共线性检验 多重共线性的修正方法 增加样本观测值 略去不重要的解释变量 用被解释变量的滞后值代替解释变量的滞后值 利用参数之间的关系 利用解释变量之间的关系 变换模型的形式 对数据进行中心化 案例分析

1、了解随机变量的概念； 2、理解离散型随机变量的概念及其分布律的概念和性质； 3、理解连续型随机变量的概念及其概率密度函数的概念和性质；

§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

2.1偏导数 设D是R中的区域,z=∫(x,y)是D上的函数.设B=(x,y0)∈D,我们希望定 义f(x,y)在P点的导数,即因变量相对于自变量的变化率.但如果将P=(x,y)作为变量 由于其是二维向量,没有除法,因此很难定义∫(x,y)-f(x0,y)相对于 P-P=(x-x,y-y0)的变化率.我们只能将P=(x,y)的分量x和y分别作为自变量 来定义导数