对于未知参数θ,除了得到它的点估 计θ外,我们还希望估计出一个范围,并希望知道这个范围包含参数真值θ的可信 程度.这样的范围通常以区间的形式给出, 而可信程度由概率给出.这种估计称为区 间估计或置信区间,以下先给出置信区间概念

为了更好的揭示随机现象的规律性并 利用数学工具描述其规律,有必要引入随 机变量来描述随机试验的不同结果

一、条件概率 简单地说,条件概率就是在一定附加 条件之下的事件概率 从广义上看,任何概率都是条件概率, 因为任何事件都产生于一定条件下的试验 或观察,但我们这里所说的“附加条件” 是指除试验条件之外的附加信息,这种附 加信息通常表现为“已知某某事件发生了

一、随机向量的概念 多维随机变量也就是多个随机取值的变量,也称为随机向量。定义如果随机变量X1…Xn定义在同一概率空间(,3,P)上,则称

一、贝努里概型和二项分布 例1设生男孩的概率为p,生女孩的概率为q=-p,令表示随机抽查出生的4个婴儿中“男孩”的个数. 我们来求X的概率分布

一、多无线性回归模型 上节讨论了一元线性回归模型,在实际问题中,遇到更多的是讨论随机变量Y与非随机变量x,x2,…,x之间的关系,本节假设它们具有线性关系

譬如,在估计湖中鱼数的问题中,若 我们根据一个实际样本,得到鱼数N的极 大似然估计为1000条 实际上,N的真值可能大于1000条, 也可能小于1000条. 若我们能给出一个区间,在此区间 内我们合理地相信N的真值位于其中. 这样对鱼数的估计就有把握多了

在许多自然科学和社会科学的研究中,经常会遇到 需要判别的问题。例如一个病人肺部有阴影,大夫要判 断他是肺结核、肺部良性肿瘤还是肺癌。这里,肺结核 人、肺部良性肿瘤病人以及肺癌病人组成三个总体,病 人来源于三个总体之一,判断分析的目的是通过人的指 标(阴影大小、阴影部位、边缘是否光滑等)来判断他 应该属于哪个总体(即判断他生的是什么病)

设有两个变量X和Y,其中X是可以精确测量或控 制的非随机变量,而Y是随机变量,Y随X的变化而变 化,但它们之间的变化关系是不确定的.给定X的取 值,Y服从一定的概率分布,则称随机变量与变量X 之间存在着相关关系 设进行n次独立试验,测得试验数据如下:

最小方差无偏估计和有效估计是在某种意义下的最 优估计,两者既有区别又有密切的关系。如果求出 参数θ的一个估计量θ,判别其是否为最小方差无偏 估计或有效估计,显然具有重要的意义。倘若能直 接求出参数θ的最小方差无偏估计或有效估计,则 将更加令人满意,本节将研究这些问题