概率论和数理统计-名词解释

最新推荐文章于 2023-01-08 20:00:05 发布

hsdcc217

最新推荐文章于 2023-01-08 20:00:05 发布

阅读量3.6k

点赞数

文章标签：概率论与数理统计

本文链接：https://blog.csdn.net/hsdcc217/article/details/78249106

版权

1.核密度估计
2.特征函数

偏回归系数：多元线性回归方程Y=a+b1X+b2X+…+bmXm中，各个自变量Xi的系数bi(i=1，2，…，m)，称为应变量Y对自变量Xi的偏回归系数，相应的总体偏回归系数用βi表示。bi表示当其他自变量取值固定时，Xj变化(增加或减少)1个单位，则Y平均变化bi个单位，是反映Y随Xi数量变化的方向和大小(或快慢)的指标。bi>0，Y随Xi增加而增加;bi<0，Y随Xi增加而减少。|bi|值越大，Y随Xi变化越大(或越快)。
潜变量（Latent Variable）和显变量（Manifest或Observable Variable）：潜变量往往表示某一复杂的无法之间测量的概念或建构。比如，信任、虔诚、社会融合。这些概念可以被操作化成不同的维度以不同的指标(indicator)加以测量。由此，可以看到，一个潜变量往往被建构成多个显变量(或指标)。不过，请注意，这只是SEM或者心理学/社会学中的“潜变量”在经济学或统计学中，潜变量所指的含义稍有所不同。举个例子，比如，2009年一共有200个人报考北大社会学系的研究生，最后我们发现只有20个被录取了。注意，这里我们看到的结果是“录取或未被录取”（大家都知道，这个可以用logistic模型进行分析）。但实际上，再录取和未被录取的背后，实际上隐含着考生的“能力”差异（注意，能力是无法直接观测的！！），只有能力达到