设总体X的分布未知或服从非正态分布,且均值μ=E(X)未知,x1,x2,…,xn是来自X的样本, &xe005;与s2分别为样本均值和样本方差. 现对μ进行区间估计.用&xe005;作为μ的点估计, 当样本容量n很大时, &xe005;渐近服从正态分布(定理4.3.2的结论),即&x...[继续阅读]

    ...[继续阅读]

    若回归模型为yi＝aebxi+εi,(8.3.2)对模型两边取对数得lnyi＝lna+bxi+εi.再令zi＝lnyi,c=lna,则模型可转化为zi＝c+bxi+εi.这是一个线性回归模型,可以通过普通最小二乘法估计其参数....[继续阅读]

    例7.3.3 用Excel对例7.2.3进行方差分析.解 步骤1: 将数据输入单元格区域A1:G13,其中标志 ‘小学以下、初中、高中、中专、本科、研究生以上’ 分别在单元格B1、C1、D1、E1、F1和G1,标志 ‘男生、女生’分别在单元格A2、A8,单元格个A1为空...[继续阅读]

    定义2.5.1 设X是随机变量,k为正整数. 如果期望μk≡E[(X)k] 和vk≡E{[X-E(X)]k} (2.5.1 )存在,则分别称μk与vk为X的k阶原点矩(k order origin moment)和k阶中心矩(k order central moment).显然随机变量的一阶原点矩就是期望,二阶中心矩就是方差.例2.5.1 设随...[继续阅读]

    设x1,x2,…,xm和y1,y2,…,yn分别是来自总体X～N(μ1,σ21)和Y～N(μ2,σ22)的样本,两个样本相互独立,样本方差分别是s21和s22.σ21和σ22皆未知,现对σ21/σ22进行区间估计.选取枢轴量如图5.5.1所示,由于所以σ21/σ22的1-α置信区间为图5.5.1 F(m-1,n-1)分...[继续阅读]

    例8.4.2 用Excel对例8.3.2进行求解.解 步骤1:输入数据.将数据连同标志输入区域A1:B11(年份在A列,汽车总计在B列).步骤2: 绘制时间序列时序图 (散点图),观察时间序列图的特点.步骤3: 给散点图添加趋势线并选择最佳趋势线. 右键点击散点图...[继续阅读]

    对于同一个未知参数,用不同的方法或不同的统计量得到的估计可能不同. 例如,对于某个总体X的未知均值μ,我们既可以用样本x1,x2,…,xn的均值&xe005;来估计μ,即＝&xe005;,也可用x1来估计μ, 即＝x1. 显然, 两种估计的效果是不一样的. 为了...[继续阅读]

    Excel内置有常用分布的分布函数、密度函数和分位数函数,利用这些函数可以很方便地求常用分布的分布函数值、密度函数值或分位数值.调用这些函数的方法是点击‘插入(C)/fx函数(F)/或选择类别(C): 统计/选择函数(N):’,然后在选择对...[继续阅读]

    EXPONDIST返回指数分布的分布函数值或密度函数值函数.语法: EXPONDIST(x,lambda,cumulative)其中,x为左尾部分位数的值. Lambda为参数值. Cumulative为一逻辑值,如果cumulative为1或TRUE,EXPONDIST计算的是分布函数值; 如果为0或FALSE,则计算的是概率密度...[继续阅读]