在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系

《概率论》课程教学资源（教案讲义）第四章 随机变量的数字特征 4.3 方差 4.4 协方差与相关系数

例1设随机变量X具有数学期望E(X)=u,方差 D()=o2≠0.记*=(X-u)/o

分布函数能够完整地描述随机变量的统计特 性.但在一些实际问题中,不需要去全面考虑 随机变量的变化情况,而只需知道随机变量的 某些特征,因而并不需要求出它的分布函数. 例如,在评定某一地区的粮食产量的水平时, 在许多场合只要知道该地区的平均产量;又如 在研究水稻品种优劣时,时常是关心稻穗的平 均稻谷粒数;再如检查一批棉花的质量时,即 需要注意纤维的平均长度,又需要注意纤维长 度与平均长度的偏离程度.因此,与随机变量 的有关数值,能够描述随机变量的重要特征

对一个未知量,人们在测量或计算时,常不以 得到近似值为满足,还需估计误差,即要求知 道近似值的精确程度(亦即所求真值所在的范 围).类似地,对于未知参数θ,除了求出它的点 估计外,还希望估计出一个范围,并希望知 道这个范围包含参数真值的可信程度.这样 的范围通常以区间的形式给出,同时还给出此 区间包含参数θ真值的可信程度.这种形式的 估计称为区间估计

切贝谢夫不等式 设随机变量ξ有期望值Eξ及方差Dξ,则任给

通常求出随机变量的分布并不是一件容易的事,而人们更关心的是用一些数字来表示随机变量的特点,这些与随机变量有关的数字,就是随机变量的数字特征.最常用的数字特征为数学期望,方差和相关系数

课程简介:本课介绍了科学研究和科学试验基本知识、田间试验的设计原理和方 法、田间试验的实施原则和方法、试验资料的整理、概率和正态分布等、统计推断的原理 和方法、次数资料的统计分析、方差分析的原理和方法、单因素试验的统计分析、多因素 试验的统计分析、直线相关和回归分析、多元线性回归与相关分析等内容。本课另称“试 验统计方法”“试验与统计”“生物统计”等

在第五章里介绍了一个或两个样本平均数的假设测验方法,即t测验或u测验的方法 但在农业科学试验中,更多见的是研究多个样本(处理)之间的差异。当对多个平均数作 差异显著性测验时,如果采用t测验或u测验的方法分别作出测验存在着以下三个缺陷。首 先,对于一个多样本资料采用两两平均数间分别作差异显著性测验非常麻烦,会使统计工 作量加大

1. Recall the assumption for the CMLRM: (Homoskedasticity) 2. Counterexamples 1、rich family and poor family expenditures; 2、large company and small company sales. There exists heteroskedasticity in lots of econometric problems