医学上,许多现象之间也都有相互联系,例如:身 高与体重、体温与脉搏、产前检査与婴儿体重、乙肝 病毒与乙肝等。 在这些有关系的现象中,它们之间联系的程度和性 质也各不相同

宏观物体都是由大量不停息地运动着的、彼此 有相互作用的分子或原子组成 现代的仪器已可以观察和测量分子或原子的大 小以及它们在物体中的排列情况,例如X光分析仪, 电子显微镜,扫描隧道显微镜等

第六章引言 (ntroduction) Monte carlo方法: 亦称统计模拟方法, statistical simulation method →利用随机数进行数值模拟的方法 Monte carlo名字的由来: 是由 Metropolis在二次世界大战期间提出的: Manhattan计 划,研究与原子弹有关的中子输运过程 Monte carlo是摩纳哥( monaco)的首都,该城以赌博闻名

图形的优越性 “使复杂的思想能够显示得清楚、准确、有 效。” 显示数据。 让你考虑实质而不是方法、图形设计或者其 它的。 在很小的空间中有很多的数字。 使大的数据集有条理。 使数据的不同部分显示得更清楚

正态总体的均值和方差的推断 应用: 检验工业过程均值以确定过程是否处于控制之 下。 通过读取方差计算实验室仪器测量的精度。 预测区间和容忍区间是从一个总体中进行预测 估计的方法。 使用中心极限定理(CLT),在大样本情况下, 正态总体的均值的推断过程可以扩展到非正态 总体的均值推断上

2.4随机变量的函数及其分布 一、随机变量的函数 问题的由来 很多实际问题中需要研究以随机变量为自 变量的函数

对比例的推断 数据=(1,,11.0,伯努利(P) 目标一估计P值,成功的概率(或具有某种 性质的总体比例) p=x=在n次观测中成功的个数 Var( p) =p(1-p)/n =pq/n ·方差依赖均值

3.1随机变量的概念 前面我们研究了随机事件及其概率,本章我们将在 这个基础上进一步研究随机变量及其分布 现在先研究随机变量的概念,它是概率论中最基本 的概念之一

2.1条件概率、乘法定理 在实际问题中,除了要考虑事件A的概率P(A)而外, 还要考虑事件A在“某事件B已经发生”这一附加条 件下的概率.这样的概率,人们称之为条件概率,记 为P(A|B).相应地,将P(A)称为无条件概率

2.3连续型随机变量 连续型rv的概念 定义设是随机变量,若存在一个非负 可积函数(x),使得 其中F(x)是它的分布函数 则称x是连续型rv,f(x)是它的概率 密度函数(p.d.f.),简记为df