一、连续型随机变量的概念 二、常见的几种连续型分布

在概率论中,我们研究了随机变量,n维随机向量。在极限 定理中我们研究了无穷多个随机变量,但局限在它们相互独立的 情形。将上述情形加以推广,即研究一族无穷多个、相互有关的 随机变量,这就是随机过程

• 因素（factor）就是指实验中的自变量。实验中只有一个自变量的称为单因素实验。 • 因素的类别称为水平（level），水平可以是定量的，如“年龄”、“声音的强度”等，也可以是定性的，如“性别”、“人格类型”等。 • 因素多于一个的实验设计称为因素设计（factorial design），并根据各个因素的所有可能组合来设计组别，并同时考察所有因素对因变量的影响

+ 因素指自变量+ 随机化:用随机化方法分配被试到各个实验处理中+ 是在实验之中操纵一个自变量，并采用随机化原则把被试分配到自变量的不同水平上的一种实验设计

• 一、单变量的描述 – 集中量，离散量，分布形态，分布图(图编辑) • 二、双变量的基本描述——相关

2-1 编程（文件名为 S2-1.C）。定义 3 个 int 变量 x,y,z 和一个实型变量 average， 计算并输出 3 个整数的平均值 average，即 average=(x+y+z)/3，其中 x,y,z 的值可以通过变量的初始化赋值 x=1,y=1,z=0，也可以通过赋值语句赋值

离散被解释变量的例子 二值选择模型 二值选择模型的微观基础 二值选择模型中的异方差问题 稀有事件偏差(选读) 含内生变量的Probit模型(选读) 双变量Probit模型(选读) 部分可观测的双变量Probit模型(选读)

引入随机变量的概念. 由于随机 变量概念的引入，我们可利用微积分知识， 更全面更深刻地揭示随机现象的内在规律

第1.1节 随机事件及其概率 第1.2节 条件概率与独立性及其应用 第1.3节 随机变量及其分布 第1.4节 随机变量的分布函数

二维随机变量(x,作为一个整体,它具 有联合分布函数F(x,y)而和都是一维随机变 干量,它们也有自身的概率分布,分别称为,r 关于和Y的边缘分布(Marginal Distribution),其相应的分布函数F(x)F(y) 依次称为二维随机变量是关于和关于的边缘 分布函数(Marginal Distribution Function).易知