 回归（Regression，或Linear Regression）分析变量间的关系，有明确的因果关系假设。  即要假设一个变量为自变量，一个为因变量，用回归表示自变量对因变量的影响。  如年龄对收入的影响。[解释]  由于回归构建了变量间因果关系的数学表达，它具有统计预测功能

第五章变量和常量 5.1从类型到变量 5.1.1公孙龙的“白马非马” 5.1.2定义变量 5.1.3如何为变量命名 5.1.4如何初始化变量 5.1.4.1什么时候需要给变量初始化?

4.1 联立方程偏差 4.2 测量误差偏差 4.3 工具变量法 4.4 二阶段最小二乘法 4.5 弱工具变量 4.6 对工具变量外生性的过度识别检验 4.7 对解释变量内生性的豪斯曼检验：究竟该用OLS还是IV 4.8 如何获得工具变量 4.9 工具变量法的Stata实例

随机变量的函数的分布 我们常常遇到一些随机变量,它们的分布往往难于直接得到(如滚珠体积的测量值等),但是与它们有关系的另一些随机变量,其分布却是容易知道的(如滚珠直径的测量值).因此,要 研究随机变量之间的关系,从而通过它们之间的关系,由已知的随机变量的分布求出与之有关的另一个随机变量的分布

2.2离散型随机变量及其概率分布 一、离散随机变量及分布律 定义若随机变量X的可能取值是有限个或可列个,则称Ⅹ为离散型随机变量描述ⅹ的概率特性常用概率分布或分布律

第一节、二维随机变量 第二节 二维离散型随机变量 第三节 二维连续型随机变量 第四节 条件分布 第五节 相互独立的随机变量 第六节 N 维随机变量

第四章随机变量的数字特征 4-2方差 在实际问题中常关心随机变量与均值的 偏离程度,可用EX-EX|,但不方便;所以 通常用E(X-EX)2来度量随机变量X与其均 值EX的偏离程度。 1、定义 设X是随机变量,若E(X-EX)2存在,称其 为随机变量X的方差,记作DX,Var(X),即: DX=Var(X)=E(X-EX) 2.x称为标准差。 DX=E(X-E)2=(x-E)2p,离散型

3.3~3.4多维随机变量的数字特征 一 多维随机变量函数的数学期望 二 多维随机变量方差和数学期望性质 三 协方差与相关系数 四 n维随机变量的协方差矩阵

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

第10章指针 10.1地址和指针的概念 10.2变量的指针和指向变量的指针变量 10.3数组的指针和指向数组的指针变量 10.4字符串的指针和指向字符串的指针变量 10.5函数的指针和指向函数的指针变量 10.6返回指针值的函数 10.7指针数组和指向指针的指针 10.8有关指针的数据类型和指针运算的小结