一、学习目标 通过本节课的学习,知道多个随机变量的期望和方差的性质,以及随机变量之间的协方差、相关系数概念,并会做二维随机变量的协方差和相关系数等简单问题 二、内容讲解 二维随机变量的期望与方差的性质:

第6章定积分 第二单元N-L公式 一、学习目标 通过本节课的学习,理解并能熟练运用NL公式 二、内容讲解 1.n-公式: F(x)是f(x)的一个原函数,则 f(x)dx=f(b)-(a)简记为F(x) 对于N-L公式作几点说明:

一、课程概述 1、课程性质：数学实验是计算机技术和数学软件引入教学后出现的新事 物，它的特点是培养学生“用数学”的能力，即用学到的数学理论知识、借助计 算机及数学软件、分析解决实际问题。本课程的教学模式是“问题-→数学模型 —>数学方法—>软件求解—>上机操练

数学模型(Mathematical Model)：对于一个特定的 对象，为了一个特定的目标，根据特有的内在规律，做出一 些必要的简化假设，运用适当的数学工具，得到一个数学结 构。 数学建模(Mathematical Modeling)：建立数学模型 的全过程，通常包括问题分析、模型建立、模型求解、结果 检验和应用

通过本课程的学习，学生初步学会用Matlab软件做数值计算、解优化模型、解图论问题；初步理解并上机操练下列数值计算方法：方程求解、迭代法、微分方程求解、插值法、曲线拟合、回归分析、计算机模拟、线性规划与非线性规划、图论中的最小生成树和最短路径；初步学会用数学建模的方法解决一些实际问题

研究的主要问题：1有关单因素和多因素非简单试验的统计分析方法多处理的正态总体参数估计和均值比较。2.对输入变量与试验指标之间存在的统计因果关系和协同变异问题进行统计分析的方法回归分析和相关分析

参数估计方法是处理实际问题时最常用的方法。当总体的某些参数未知(一般要求分布类型已知)时,从样本出发构造适当的统计量,作为未知参数的估计量。当取得一组观察值后,以相应的统计量的观察值作为未知参数的估计值,并讨论估计值对真值进行估计的可靠性

1. 已知随机变量 X服从参数为1/2的指数分布，则随机变量 Z=3X-2的数学期望E（Z）=（ ）

用来刻画随机变量的特征的量，叫做随机变量的数 字特征。这些数字特征虽不能完整地描述随机变量的统 计规律，但刻画了随机变量在某些方面的重要特征。 随机变量的常用的几个数字特征为：数学期望、方 差、标准差、协方差、相关系数、矩和协方差矩阵

由第一章知:显函数y=f(x),也可写成F(x,y =y-f(x)=0.由方程F(x,y)=0确定的隐函数可能 有两种情形:y是x的函数y=f(x)或x是y的函 数x=(y);但并非所有隐函数都可化为一个显函 数.如y-esy+x2y2=0. 因而有必要研究隐函数的求导方法,下面通过几个例子来介绍