在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计

本章前四节所介绍的各种检验法,是在总体分布类型已知的情况下,对其中的未知参数 进行检验,这类统计检验法统称为参数检验.在实际问题中,有时我们并不能确切预知总仁 服从何种分布,这时就需要根据来自总体的样本对总体的分布进行推断,以判断总体服从何 种分布.这类统计检验称为非参数检验.解决这类问题的工具之一是英国统计学家K.皮尔 逊在1900年发表的一篇文章中引进的一x2检验法,不少人把此项工作视为近代统计学 的开端

在前两节中,我们讨论了正态总体的假设检验问题.本节我们讨论一般总体的假设检 验问题,此类问题可借助一些统计量的极限分布近似地进行假设检验,属于大样本统计范 畴.其理论依据是中心极限定理

一、总体均值的假设检验 当检验关于总体均值(数学期望)的假设时,该总体中的另一个参数,即方差2是 否已知,会影响到对于检验统计量的选择,故下面分两种情形进行讨论

与其他总体相比,正态总体参数的置信区间是最完善的应用也最广泛。在构造正态总体参数的置信区间的过程中,t分布、x2分布、F分布以及标准正态分布N(1扮演了重要角色

一、矩估计法 矩估计法的基本思想是用样本矩估计总体矩因为由在数定理知,当总体的k阶矩存在 时样本的k阶矩依概率收敛于总体的k阶矩例如,可用样本均值作为总体均值E(X)的 估计量,一般地

一、抽样分布 有时,总体分布的类型虽然已知,但其中含有未知参数此时需对总体的未知参数或对 总体的重要数字特征(如数学期望、分差等)进行统计推断,此类问题称为参数统计推断在 参数统计推断问题中,常需利用总体的样本构造出合适的统计量,并使其服从或渐近地服从 已知的总体分布.统计学中泛称统计量分布为抽样分布

从本章开始,我们将讲述数理统计的基本内容.数理统计作为一门学科诞生于19世纪 末20世纪初,是具有广泛应用的一个数学分支,它以概率论为基础,根据试验或观察得到 的数据,来研究随机现象,以便对研究对象的客观规律性作出合理的估计和判断 由于大量随机现象必然呈现出它的规律性故理论上只要对随机现象进行足够多次观 察,则研究对象的规律性就一定能清楚地呈现出来,但实际上人们常常无法对所研究的对象 的全体(或总体)进行观察

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

前面讨论了随机变量的分布函数,从中知道随机变量的分布函数能完整地描述随机变 量的统计规律性 但在许多实际问题中,人们并不需要去全面考察随机变量的变化情况,而只要知道它的 某些数字特征即可