什么是参数估计? 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计

7.3区间估计 一、引例已知X~N(μ,1)μ的无偏、有效点估计为常数随机变量 不同样本算得的μ的估计值不同,因此除了给出μ的点估计外,还希望根据所给的样本确定一个随机区间,使其包含参数真值的概率达到指定的要求

何为假设检验? 假设检验是指施加于一个或多个 总体的概率分布或参数的假设.所作 假设可以是正确的,也可以是错误的. 为判断所作的假设是否正确,从 总体中抽取样本,根据样本的取值,按 一定原则进行检验,然后作出接受或 拒绝所作假设的决定

8.2正态总体的参数检验 一个正态总体 (1)关于μ的检验拒绝域的推导给定显著性水平a与样本值

第一次随机事件与古典概型 一.填空 1.写出下面随机事件的样本空间:(1)袋中有5只球,其中3只白球2只黑球,从袋 中任意取一球,观察其颜色 (2)从(1)的袋中不放回任意取两次球 (每次取出一个)观察其颜色 (3)从(1)的袋中不放回任意取3只 球,记录取到的黑球个数

本章主要讲述随机变量与分布函数,一维离散型随机变量,连续型随机变量的概 内容率密度,二维随机变量及其分布,边缘分布与随机变量的独立性,随机变量函数的分 布等内容

本章主要讲述点估计(矩法估计,极大似然估计);估计量的评价准则(无 偏性,最小方差性和有效性,其它几个准则);区间估计(区间估计的一般步 骤,单个正态总体参数的区间估计,双正态总体参数的区间估计,非正态总体参 数的区间估计)等内容

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本 结构,并用少数几个假想变量来表示基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

定性数据的建模 一、列联表及列联表分析 二、对数线性模型的基本理论和方法 三、对数线性模型的SPSS实现 四、Logistic回归基本理论和方法 五、 Logistic回归步骤以及SPSS实现

§1 从现实对象到数学模型 §2 数学建模的重要意义 §3 概率统计相关模型 §4 数学建模的基本方法和步骤 §5 数学建模的特点和分类 §6 数学建模能力的培养