从历史的典籍中人们不难发现许多关于钱粮、户口、地震、 水灾等等的记载,说明人们 很早就开始了统计的工作. 但是当时的统计,只是对有更 关事实的简单记录和整理, 而没有在一定理论的指导下, 作出超越这些数据范围之外 的推断

抽样检验的基础知识、GB/T2828.1-2003计数抽样检验程序（第一部分——按接收质量限【AQL】检索的逐批计数抽样计划）

1．1 多维随机变量及其分布 1．2 随机变量的特征函数及其性质

安徽农业大学理学院：《高级生物统计》课程教学资源（讲义）第一讲 生物统计学基础知识

复旦大学：《概率论》精品课程教学资源（电子教案）第一章 概率论基础知识

第一章：引言 第二章：概率论与数理统计基础知识 第三章：测量不确定度基础 第四章：测量不确定度的评定 第五章：测量不确定度应用实例

一、抽样分布 有时,总体分布的类型虽然已知,但其中含有未知参数此时需对总体的未知参数或对 总体的重要数字特征(如数学期望、分差等)进行统计推断,此类问题称为参数统计推断在 参数统计推断问题中,常需利用总体的样本构造出合适的统计量,并使其服从或渐近地服从 已知的总体分布.统计学中泛称统计量分布为抽样分布

取得总体的样本后,通常是借助样本的统计量对未知的总体分布进行推断,为此须进一 步确定相应的统计量所服从的分布,除在概率论中所提到的常用分布外,本节还要介绍几个 在统计学中常用的统计分布:

1.矩阵的概念:矩阵就是矩形的数表。例如: 代表由pq个数字排成的数表,我们称它为p行q列矩阵。矩阵用大写黑体字母表示。其 下标表示它所包含的行列数,也可省略不写。用小写字母表示矩阵中的各个数字,如a表 示A矩阵中第i行第j列的那一个数字,称为矩阵的元素

对求解问题本身就具有概率和统计性的情况,例如中子在介 质中的传播,核衰变过程等,我们可以使用直接蒙特卡洛模拟 方法。该方法是按照实际问题所遂循的概率统计规律,用电子 计算机进行直接的抽样试验,然后计算其统计参数直接蒙特 卡洛模拟法最充分体现出蒙特卡洛方法无可比拟的特殊性和优 越性,因而在物理学的各种各样问题中得到广泛的应用