一、多无线性回归模型 上节讨论了一元线性回归模型,在实际问题中,遇到更多的是讨论随机变量Y与非随机变量x,x2,…,x之间的关系,本节假设它们具有线性关系

设有两个变量X和Y,其中X是可以精确测量或控 制的非随机变量,而Y是随机变量,Y随X的变化而变 化,但它们之间的变化关系是不确定的.给定X的取 值,Y服从一定的概率分布,则称随机变量与变量X 之间存在着相关关系 设进行n次独立试验,测得试验数据如下:

两因素方差分析是讨论两因素试验的统计推断问题。本 文分非重复试验和重复试验两种情形进行讨论。 一、两因素非重复试验的方差分析 设有两个因素A,B,因素A有r个不同水平: A,A2…,A,;因素B有s个不同水平:B1,B2…,B 在A,B的每一种组合水平(A,B)下作一次试验,试验 结果为X,=(i=1,…,r,j=1,2,,),所有X,相互独立

通常把生产实践与科学实验中的结果,如产品的性能, 产量等统称为指标,影响指标的因素用A,B,C,…,表示。 因素在试验中所取的不同状态称为水平,因素4的不同水 平用A1,A2表示。 在一项试验中,如果让一个因素的水平变化,其他因素 水平保持不变,这样的试验叫做单因素试验。处理单因 素试验的统计推断问题称为单因素方差分析或一元方差 分析。类似地可定义多因素方差分析。本节先介绍单因 素方差分析

前面介绍的各种统计假设的检验方法,几乎都假定了总 体服从正态分布,然后再由样本对分布参数进行检验。 但在实际问题中,有时不能预知总体服从什么分布,这 里就需要根据样本来检验关于总体分布的各种假设,这 就是分布的假设检验问题。在数理统计学中把不依赖于 分布的统计方法称为非参数统计方法

前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

在本讲中,我们将讨论不同于参数估计的另一类重要的统计推断问题.这就是根据样本的信息检验关于总体的某个假设是否正确.这类问题称作假设检验问题

由定义可见,我们是以最大风险的大小作为衡量 决策函数好坏的准则。因此,使最大风险达到最小的 决策函数是考虑到最不利的情况,要求最不利的情况 尽可能地好。也就是人们常说的从最坏处着想,争取 最好的结果。它是一种出于稳妥的考虑,也是一种偏 于保守的考虑

在一个统计决策问题中,可供选择的决策函 数往往很多,自然希望寻找使风险最小的决策函 数,然而在这种意义下的最优决策函数往往是不 存在的。这是因为风险函数R(,d)是既依赖于参 数又依赖于决策函数d的二元函数,它往往会 使得在某些处决策函数1的风险函数值较小; 而在另一些θ处决策函数a2的风险函数值较小。要解这个问题,就要建立一个整体指标的比较准则

一、统计判决问题的三个要素 为了估计一个未知参数,需要给出一个合适的 估计量,该估计量也称为该统计问题的解。一般地 说,一个统计问题的解就是所谓的统计决策函数。 为了明确统计决策函数这一重要概念,需对构成一 个统计决策问题的基本要素作一介绍。这些要素是: 样本空间和分布族;行动空间以及损失函数。以下 逐点介绍