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

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

一、单个总体N(,02)的情况 二、两个总体N(,2),N(2,2)的情况 三、课堂练习 四、小结布置作业

一．填空题： 1． 设X1 , X2 ,Xn是独立同分布的随机变 量序列,且均值为 ,方差为 2  ,那么当 n充 分大时 , 近 似 有 X ~ 或

一、单个总体的情况 二、两个总体的情况 三、课堂练习 四、小结布置作业

教学目的:了解随机变量数字特征这个概念引入的必要性,掌握如下数字特征的定义:数学期望,方差, 协方差,矩,相关系数。知道各种数字特征所表达的实际意义,了解它们之间的联系与区别,各自的使用 范围与领域。掌握协方差矩阵,并了解其在多元统计分析中的重要地位

随机变量的分布能全面反映随机变量取值 的概率分布情况，但实际问题中概率分布较 难确定，有时也无必要，不少问题只需知道 它的某些数字特征就够了。 在这些数字特征中，期望和方差是最基本又是 最重要的两个

在上一章,为了得到投资者的最优投资组合,要求知道: 1、回报率均值向量 2、回报率方差-协方差矩阵 3、无风险利率 估计量和计算量随着证券种类的增加以指数级增加

针对非线性时变特性的液压位置伺服系统跟踪控制问题,基于自适应逆控制理论,提出X滤波液压位置自适应逆控制策略.对传统自适应滤波算法在X滤波结构下的不足,提出变换域变步长归一化最小方差算法.采用该算法对液压伺服位置系统进行了对象建模、在线逆建模及开环控制系统设计.仿真结果表明,X滤波液压位置自适应逆控制具有跟踪速度快、对参数摄动鲁棒性强等良好动态特性

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