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

一、多元函数的极值 二、多元函数的最大值与最小值 三、条件极值与拉格朗日乘数法

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

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

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

二、寻求估计量的方法 1.矩估计法 2.极大似然法 3.最小二乘法 4.贝叶斯方法 这里我们主要介绍前面两种方法

一次序统计量 设(X,X2…X)是从总体X中抽取的一个样本, 记(x,x2x)为样本的一个观测值,将观测值的各 个分量按由小到大的递增序列重新排列为 x(1)≤x2)≤…≤Xn 当(x,X2,,X)取值为(x,x2,xn)时,定义Xk取 值为x(k=1,2,n),由此得到的(Xxx(2),Xn)称为 样本(X,X2X)的次序统计量

尽管在一般情况下,要确定某个统计量的分布是非常困难的,但在总体服从正态分布时,可以确定某些统计量的分布定理3.1设总体X~N(u,o2),X,X2,X为其样本,则样本均值ⅹ与样本方差S2独立,且有

定义1:不可约多项式p(x)称为f(x)的k重因式 (kEN),如果p(x)f(x)而p(x)f(x) 当k=1时,p(x)就称f(x)的单因式, 当k>1时,p(x)称为f(x)的重因式。 如果f(x)的标准分解式为:

第六章数学基础:多项式矩阵理论 一些基本概念(6,1,6.2,6.3,6.4,6.5,6.6)多项式: 1多项式多项式矩阵:元为多项式的矩阵 注1:多项式的集合不构成域,是环;因其对乘逆运算不封闭