在实际应用中,有些随机变量往往是两个或两个以上随机变量的函数例如,考虑全 国年龄在40岁以上的人群,用X和Y分别表示一个人的年龄和体重,Z表示这个人的血 压,并且已知Z与X,Y的函数关系式 Z=8(X,), 现希望通过(X,Y)的分布来确定Z的分布.此类问题就是我们将要讨论的两个随机向量函 数的分布问题 在本节中,我们重点讨论两种特殊的函数关系:

一、简答题 1.什么是动态数列?它有什么作用?编制动态数列应注意那些基本要求? 2.时期数列与时点数列有哪些不同特点? 3.序时平均数与一般平均数的区别和联系。 4.发展速度、增长量、增长速度平均发展速度和平均增长速度的关系如何?

对于同一个未知参数不同的方法得到 的估计量可能不同,于是提出问题 应该选用哪一种估计量?

1、熟练掌握总量指标的概念、分类与计量单位。 2、熟练掌握各种相对指标的特点及计算方法。 熟练掌握各种平均指标的计算方法及应用条件。 4、理解标志变异指标的意义及计算方法

一、相关关系的概念(注意相关关系与函数关系的区别) (一)函数关系 它反映着现象之间存在着严格的依存关系, 也就是具有确定性的对应关系,这种关系可用一 个数学表达式反映出来。 例如某种商品的销售额和销售量之间,由于 价格因素,所以两者可表现为严格的依存关系

一般的抽象系统都包含有许多影响因素多种因素共同作用的结果 决定了系统的发展态势。我们希望从众多的因素中判断出,哪些是 主要因素、哪些是次要因素。这些属于系统分析的内容,数理统计 中的回归分析、方差分析、主成分分析等都可以用来进行系统分析 这些方法的不足之处是:

因子分析( Factor Analysis)是多元统讣分析技术的一个分支,其主要目的 是浓缩数据。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基本的数据结构。这些假想变量能够反映原 来众多的观测变量所代表的主要信息,并解释这些观测变量之间的相互依存关 系,我们把这些假想变量称之为基础变量,即因子( Factors)。因子分析就是研 究如何以最少的信息丢失把众多的观测变量浓缩为少数几个因子 因子分析是由心理学家发展起来的,最初心理学家借助因子分析模型来解释 人类的行为和能力,1904年查尔斯·斯皮尔曼( Charles spearman)在美国心理学 杂志上发表了第一篇有关因子分析的文章,在以后的三四十年里,因子分析的理 论和数学基础逐步得到了发展和完善,它作为一个一般的统计分析工具逐渐被人 们所认识和接受。50年代以来,随着计算机的普及和各种统计软件的出现,因 子分析在社会学、经济学、医学、地质学、气象学和市场营销等越来越多的领域 得到了应用

一、简答题 1.什么是动态数列?它有什么作用?编制动态数列应注意那些基本要求? 2.时期数列与时点数列有哪些不同特点? 3.序时平均数与一般平均数的区别和联系。 4.发展速度、增长量、增长速度平均发展速度和平均增长速度的关系如何?

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

7.2点估计的评价标准 对于同一个未知参数,不同的方法得到的估计量可能不同,于是提出问题 1.应该选用哪一种估计量? 2.用何标准来评价一个估计量的好坏? (1)无偏性 (2)有效性 (3)致性