第三讲多维随机变量及其概率分布 内容提要 (1)联合分布函数与边缘分布函数(关系与性质) (2)二维离散型随机变量(联合分布律及性质边缘分布,条件分布,独立性判断) (3)二维连续型随机变量(联合密度函数及性质,概率计算,边缘密度,条件分布及密度,独立性判断) (4)独立随机变量及相关性质(独立性判断,相关计算) (5)随机变量函数的分布(离散场合,连续场合和、商、积与极值的分布) (6)常见的两个二维分布(二维均匀,二维正态以及它们的相关性质)

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

第10章指针 10.1地址和指针的概念 10.2变量的指针和指向变量的指针变量 10.3数组的指针和指向数组的指针变量 10.4字符串的指针和指向字符串的指针变量 10.5函数的指针和指向函数的指针变量 10.6返回指针值的函数 10.7指针数组和指向指针的指针 10.8有关指针的数据类型和指针运算的小结

3.3~3.4多维随机变量的数字特征 一 多维随机变量函数的数学期望 二 多维随机变量方差和数学期望性质 三 协方差与相关系数 四 n维随机变量的协方差矩阵

第三节随机变量的分布函数 当我们要描述一个随机变量时,不仅要说明它能够取哪些值,而且还要指出它取这些 值的概率.只有这样,才能真正完整地刻画一个随机变量,为此,我们引入随机变量的分布 函数的概念

8.1 随机解释变量（一般性了解） 8.2 工具变量 8.3 滞后变量（一般性了解） 8.4 虚拟变量（重点）（其中分段线性回归不讲） 8.5 时间变量

一、二维随机变量的概念及其分布函数 1.概念 定义 1.设是随机试验E的样本空间,X(a),y(a)是定义在上的随机变量,称有序组 (X,)为二维随机变量或二维随机向量,简记为R.v(x,y)。称(Xx2x)为n维随机变量或 n维随机向量

10.1 地址和指针的概念 10.2 变量的指针和指向变量的指针变量 10.3 数组的指针和指向数组的指针变量 10.4 字符串的指针和指向字符串的指针变量 10.5 函数的指针和指向函数的指针变量 10.6 返回指针值的函数 10.7 指针数组和指向指针的指针 10.8 有关指针的数据类型和指针运算的小结

第二讲随机变量及其概率分布 内容提要 (1)随机变量及其分布函数(分布函数的性质) (2)离散型随机变量的分布律 (3)连续型随机变量的密度函数及概率计算 (4)重要分布的定义及背景(二项分布,超几何分布,几何分布,负二项分布, Poisson分布,均匀分布,指数分布, amma分布,正态分布) (5)随机变量函数的分布(离散场合,连续场合)

§5.1 虚拟变量模型 Dummy Variables Regression Models 一、虚拟变量的基本含义 二、虚拟变量的引入 三、虚拟变量的设置原则 §5.2 滞后变量模型 Lagged Variables Regression Models 一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验 §5.3 模型设定偏误问题 Model Specification Error(Bias) 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验