前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

在本讲中,我们将讨论不同于参数估计的另一类重要的统计推断问题.这就是根据样本的信息检验关于总体的某个假设是否正确.这类问题称作假设检验问题

试用以下数据估计任意时刻（包括水泵正在输水 的时间内）从水塔流出的流量 f(t) ,并估计一天的总用水 量

定义设F(x,y)及Fx(x),F(v)分别是二维随机变 量(X,Y)的分布函数及边缘分布函数.若对于 所有x,y有

一、统计判决问题的三个要素 为了估计一个未知参数,需要给出一个合适的 估计量,该估计量也称为该统计问题的解。一般地 说,一个统计问题的解就是所谓的统计决策函数。 为了明确统计决策函数这一重要概念,需对构成一 个统计决策问题的基本要素作一介绍。这些要素是: 样本空间和分布族;行动空间以及损失函数。以下 逐点介绍

例2一个靶子是半径为2米的圆盘,设击中靶 上任一同心圆盘上的点的概率与该圆盘的面 积成正比,并设射击都能中靶,以表示弹着 点与圆心的距离.试求随机变量X的分布函数. 解若x<0,则{X≤x}是不可能事件,于是

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

1. 设 µ 是环R 上的有限可加测度, 即 µ 是R 上的非负值集函数满足 µ(∅) = 0 和有限可加性. 证明若 µ 满足次可数可加性, 则 µ 是F 上的测度

第一节 函数的发展及其科学价值 第二节 函数的三种定义 第三节 初等函数 第四节 函数的图像与函数的特征 第五节 函数概念的教学

教学目的 本节讨论如何将环 R 上的测度延拓到 R 生成的σ -代数上 去. 这是定义测度常用的方法. 下一节将用这个方法定义重要的 Lebesgue 测 度. 本节要点 本节所述测度的延拓过程思路较复杂, 论证较繁难. 应注意 讲清主要思路, 定理的证明应注意交代主要思想