在客观世界中,普遍存在着变量之间的关系数学的一个重要作用就是从数量上来揭 示、表达和分析这些关系。而变量之间关系,一般可分为确定的和非确定的两类.确定性关 系可用函数关系表示而非确定性关系则不然 例如,人的身高和体重的关系、人的血压和年龄的关系、某产品的广告投入与销售额 间的关系等,它们之间是有关联的,但是它们之间的关系又不能用普通函数来表示我们 称这类非确定性关系为相关关系

本章前四节所介绍的各种检验法,是在总体分布类型已知的情况下,对其中的未知参数 进行检验,这类统计检验法统称为参数检验.在实际问题中,有时我们并不能确切预知总仁 服从何种分布,这时就需要根据来自总体的样本对总体的分布进行推断,以判断总体服从何 种分布.这类统计检验称为非参数检验.解决这类问题的工具之一是英国统计学家K.皮尔 逊在1900年发表的一篇文章中引进的一x2检验法,不少人把此项工作视为近代统计学 的开端

上节中我们讨论单正态总体的参数假设检验,基于同样的思想,本节将考虑双正态总 体的参数假设检验.与单正态总体的参数假设检验不同的是,这里所关心的不是逐一对每 个参数的值作假设检验,而是着重考虑两个总体之间的差异,即两个总体的均值或方差是 否相等

一、引例 设一箱中有红白两种颜色的球共100个,甲说这里有98个白球,乙从箱中任取一个, 发现是红球,问甲的说法是否正确?

前面讨论了参数的点估计,它是用样本算出的一个值去估计未知参数即点估计值仅仅 是未知参数的一个近似值,它没有给出这个近似值的误差范围 例如,在估计某湖泊中鱼的数量的问题中,若根据一个实际样本,利用最大似然估计法 估计出鱼的数量为50000条,这种估计结果使用起来把握不大实际上鱼的数量的真值可 能大于50000条,也可能小于50000条且可能偏差较大 若能给出一个估计区间,让我们能较大把握地(其程度可用概率来度量之)相信鱼的数量 的真值被含在这个区间内,这样的估计显然更有实用价值

一、点估计的概念 设X1,X2,…,Xn是取自总体X的一个样本,x1,x,,xn是相应的一个样本值.日是总 n 体分布中的未知参数,为估计未知参数,需构造一个适当的统计量 (x1,x2,,n) 然后用其观察值 0(x1,x2,…xn) 来估计θ的值

前面讨论了随机变量的分布函数,从中知道随机变量的分布函数能完整地描述随机变 量的统计规律性 但在许多实际问题中,人们并不需要去全面考察随机变量的变化情况,而只要知道它的 某些数字特征即可

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标

在实际应用中,有些随机变量往往是两个或两个以上随机变量的函数例如,考虑全 国年龄在40岁以上的人群,用X和Y分别表示一个人的年龄和体重,Z表示这个人的血 压,并且已知Z与X,Y的函数关系式 Z=8(X,), 现希望通过(X,Y)的分布来确定Z的分布.此类问题就是我们将要讨论的两个随机向量函 数的分布问题 在本节中,我们重点讨论两种特殊的函数关系: