在本节中，我们重点讨论二维随机变量，三维或更多维的随机变量的许多概念和结论是二维随机变量的推广

• 回归分析概述 • 双变量线性回归模型的参数估计 • 双变量线性回归模型的假设检验 • 双变量线性回归模型的预测 • 实例

5.1 计算圆柱体积 ◼ 5.1.1 程序解析 ◼ 5.1.2 函数的定义 ◼ 5.1.3 函数的调用 ◼ 5.1.4 函数程序设计 5.2 数字金字塔 ◼ 5.2.1 程序解析 ◼ 5.2.2 不返回结果的函数 ◼ 5.2.3 结构化程序设计思想 5.3 复数运算 5.3.1 程序解析 5.3.2 局部变量和全局变量 5.3.3 变量生命周期和静态局部变量

第一节 二维随机变量及其分布 第二节 边缘分布 第三节 条件分布 第四节 随机变量的独立性 第五节 两个随机变量函数的分布

7.1 概述 7.2 函数的定义与调用 7.3 数组作函数参数 7.4 函数的嵌套调用和递归调用 7.5 局部变量和全局变量及其作用域 7.6 变量的存储类别及变量的生存期 7.7 函数的存储分类 7.8 编译预处理 7.9 多文件程序的调试方法

7.1为什么要用函数 7.2怎样定义函数 7.3调用函数 7.4对被调用函数的声明和函数原型 7.5函数的嵌套调用 7.6函数的递归调用 7.7数组作为函数参数 7.8局部变量和全局变量 7.9变量的存储方式和生存期 7.10 关于变量的声明和定义 7.11 内部函数和外部函数

分布函数能完整地描述随机变量的统 计特性,但实际应用中,有时并不需要知道 分布函数而只需知道随机变量的某些特征 例如: 判断棉花质量时,既看纤维的平均长度 又要看纤维长度与平均长度的偏离程度 平均长度越长,偏离程度越小,质量就越好;

§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

问题已知随机变量X的密度函数fx(x) 或分布律 求随机因变量Yg()的密度函数 f(y或分布律

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