第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

§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

第一节 卡平方的定义和分布 第二节 卡平方在方差同质性测验中的应用 第三节 卡平方适合性测验 第四节 卡平方独立性测验 第五节 卡平方的可加性和联合分析

§2.1一维随机变量及分布列 §2.2多维随机变量、联合分布列和边际分布列 §2.3随机变量函数的分布列 §2.4数学期望的定义及性质 §2.5方差的定义及性质 §2.6条件分布与条件数学期望

尽管在一般情况下,要确定某个统计量的分布是非常困难的,但在总体服从正态分布时,可以确定某些统计量的分布定理3.1设总体X~N(u,o2),X,X2,X为其样本,则样本均值ⅹ与样本方差S2独立,且有

1. MATLAB中概率分布函数 2. 二项分布实验 3. 泊松分布实验 4. 二项分布与泊松分布关系实验 5. 连续型随机变量分布实验 6. 随机变量的均值与方差 7. 逆累积分布函数实验 8. 中心极限定理实验

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

1. 已知随机变量 X服从参数为1/2的指数分布，则随机变量 Z=3X-2的数学期望E（Z）=（ ）

§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

本章讨论的重要工具具有与以往不同的目的——建立变量的条件方差或变量波动性模型