1．理解总体、个体、简单随机样本和统计量的概念，掌握样本均值、样本方差及样本矩的计算

一、教学要求： 1、 掌握随机变量的数学期望和方差的概念、性质及计算 ； 2、 掌握随机变量函数的期望 ；

一、主要内容 1．数理统计的基本概念，总体、个体、样本、统计量； 2．样本均值、样本方差和样本矩的计算，经验分布函数； 3．三个重要分布，常用概率分布分位数的概念及分位数表；

3、矩与相关系数 设k为正整数,ξ为随机变量,如果下面的数学期望存在,则

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

一、假设检验的概念 假设(hypothesis)，又称统计假设，是对总体参数 的具体数值所作的陈述。 假设检验(hypothesis test) 是先对总体参数提出 某种假设，然后利用样本信息判断假设是否成立的过程。 ㈠ 原假设与备择假设 原假设(null hypothesis)，又称零假设，用 表示，是指研究者想收集证据予以反对的假设

一、点估计 二、估计量的评选标准 三、区间估计 四、正态总体均值与方差的区间估计

要点：掌握概率分布的基本特征。掌握总体的期望值、方 差、协方差、相关系数、偏度和峰度定义；掌握样本均值、 方差、协方差、相关系数、偏度和峰度定义；总体与样本 的区别与联系

一、联立方程模型随机误差项方差—协方差矩阵 二、三阶段最小二乘法简介 三、完全信息最大似然法简介

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计