上节中我们讨论单正态总体的参数假设检验,基于同样的思想,本节将考虑双正态总 体的参数假设检验.与单正态总体的参数假设检验不同的是,这里所关心的不是逐一对每 个参数的值作假设检验,而是着重考虑两个总体之间的差异,即两个总体的均值或方差是 否相等

一、二次型的标准型 二次型中最简单的一种是只包含平方项的二次型

在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计

将分块乘法与初等变换结合就成为矩阵运算中极端重要的手段

这一节我们来建立矩阵的初等变换与矩阵乘法的联系，并在这个基础上，给 出用初等变换求逆矩阵的方法

在科学试验、生产实践和社会生活中,影响一个事件的因素往往很多。例如,在工业 生产中,产品的质量往往受到原材料、设备、技术及员工素质等因素的影响;又如,在工 作中,影响个人收入的因素也是多方面的,除了学历、专业、工作时间、性别等方面外, 还受到个人能力、经历及机遇等偶然因素的影响.虽然在这众多因素中,每一个因素的改 变都可能影响最终的结果,但有些因素影响较大,有些因素影响较小故在实际问题中

一、可逆矩阵的概念 在§2 我们看到，矩阵与复数相仿，有加、减、乘三种运算.矩阵的乘法是否 也和复数一样有逆运算呢？这就是本节所要讨论的问题. 这一节矩阵，如不特别声明，都是 nn 矩阵

本章前四节所介绍的各种检验法,是在总体分布类型已知的情况下,对其中的未知参数 进行检验,这类统计检验法统称为参数检验.在实际问题中,有时我们并不能确切预知总仁 服从何种分布,这时就需要根据来自总体的样本对总体的分布进行推断,以判断总体服从何 种分布.这类统计检验称为非参数检验.解决这类问题的工具之一是英国统计学家K.皮尔 逊在1900年发表的一篇文章中引进的一x2检验法,不少人把此项工作视为近代统计学 的开端

在前两节中,我们讨论了正态总体的假设检验问题.本节我们讨论一般总体的假设检 验问题,此类问题可借助一些统计量的极限分布近似地进行假设检验,属于大样本统计范 畴.其理论依据是中心极限定理

在线性方程组的讨论中，我们看到，线性方程组的一些重要性质反映在它的 系数矩阵和增广矩阵的性质上，并且解线性方程组的过程也表现为变换这些矩阵 的过程.除了线性方程组之外，还有大量的各种各样的问题也都提出矩阵的概念， 并且这些问题的研究常常反映为有关矩阵的某些方面的研究