x p(u,y)
F(x y)= -,pY(y) du
p(x,y) p(x y )=
pY (y)
2.4 统计量
设 x1,x2为,..取.,xn自某总体的样本,若样本函数 T( x1,x)2中,...不,xn含有任何未知参数,则称T为统计
量,统计量的分布称为ຫໍສະໝຸດ 样分布。样本均值:y= 1 T
T t=1
X1,X2,...,Xn
称为n维随机变量(
)的联合分布函数。
2.3 多维随机变量
如果二维随机变量(X,Y)的联合分布函数F(x,y) 中令 ,由于y +为必然{事Y<件+,} 故可得
lim F (x ,y )= P (X x ,Y + )= P (X x )
y
这是一个分布函数,被称为X的边际分布,记为
第二章
用于预测的概率、统计量 和回归的简要回顾
2.2 随机变量、分布和矩
离散型随机变量概率分布离散的随机变量, 它具有概率分布列,如:0-1分布、泊松分布、 几何分布等。
连续型随机变量可以连续不断的取值,相 应的是概率密度函数,如:正态分布、均匀 分布、指数分布等。
2.2 随机变量、分布和矩
2.5 回归分析
T
赤池信息准则(AIC):AIC=
( 2 k )
,优先 e T
e
2 t
t=1
T
考虑的模型应是AIC值最小的那一个。 T
2
e ( 1 ) TT
t=1
t
施瓦茨信息准则(SIC):SIC=
,T优先
考虑的模型应是AIC值最小的那T 一个。
( e t -e t -1 ) 2
t= 2 T
0,4