2.1一个人为的例子 一、家庭收入与家庭消费支出的关系 二、见P20-22 三、回顾一下定义: 回归是研究一个因变量对一个或多个自变量的依赖关系的过程,其用意在于通过后者的设定去估计或预测前者的均值(总体均值)

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

1.1回归 回归是计量经济学的主要工具 回归是研究一个因变量对一个或多个自变量的依赖关系的过程,其用意在于通过后者的设定去估计或预测前者的均值(总体 均值)。 “回归”最早是由英国统计学家Galton( 1886)提出见P3

2.4r.v.函数的分布 问题已知r.v.X的d.f.或分布律 求随机因变量Y-g()的密度函数或分布律 方法将与Y有关的事件转化成X的事件

在分析化学,特别是仪器分析中,常常需要做工 作曲线(也叫标准曲线,或校正曲线,或检量线)。 例如,原子吸收法中作吸光度和浓度的工作曲线,极谱 法中作波高和浓度的工作曲线等等。在分析化学中所 使用的工作曲线,通常都是直线。一般是把实验点描 在坐标纸上,横坐标X表示被测物质的浓度,叫自变量 。大都是把可以精确测量或严格控制的变量(如标准 溶液的浓度)作为自变量;纵坐标y表示某种特征性质 (如吸光度、波高等)的量,称因变量,一般设因变 量是一组相互独立、其误差服从同一正态分布N(O, o2)的随机变量。然后根据坐标纸上的这些散点(实 验点)的走向,用直尺描出一条直线。这就是分析工 作者习惯的制作工作曲线的方法

在随机试验中,人们除对某些特定事件发生的概率感兴趣外,往往还关心某个与随机试验的结果相联系的变量.由于这一变量的取值依赖于随机试验结果,因而被称为随机变量.与普通的变量不同,对于随机变量,人们无法事先预知其确切取值,但可以研究其取值的统计规律性.本章将介绍两类随机变量及描述随机变量统计规律性的分布

因子分析(factor analysis)是一种数据简化的技术 。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其基本的 数据结构。这几个假想变量能够反映原来众多变量的主要 信息。原始的变量是可观测的显在变量,而假想变量是不 可观测的潜在变量,称为因子。 例如,在企业形象或品牌形象的研究中,消费者可以 通过一个有24个指标构成的评价体系,评价百货商场的24 个方面的优劣

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

一、前言 1 变量的相关性 2 公共因子? 3 将多个实测变量转换成少数几个不相关的综合指数

教学目的:了解引入随机变量的原因,离散型与连续型随机变量的定义。重点掌握几种重要的离散型与连 续型随机变量,包括(0-1)分布,二项分布,泊松分布,均匀分布,指数分布,正态分布。理解正态分布 在现实生活中的普遍性。理解并掌握随机变量函数的分布的具体解法