经济数学1.pptVIP

* * * * * * 经济数学 1 —— 概率统计基础（一） 随机变量的定义和分类 一. 随机变量（Random Variable, r.v.)的定义 变量X ——取值不确定 但是有规律 1.离散型：考试过关与否、一段时间的事故数目 二. 随机变量的分类——根据随机变量的取值 2.连续型：晚上的气温、明天的股市收盘价 3.混合型：期权合约的回报 随机变量（X）的全面刻画——分布律、密度函数 1.离散型：分布律 2.连续型：密度函数（pdf）需满足下列条件 例：正态分布 （Poisson分布） 表达式 标准正态分布 随机变量（X）的全面刻画——分布函数 3.混合型：密度函数画图+概率密集点具体表明 标准正态分布 密度函数（pdf）： 分布函数（cdf）： 通用的刻画方式：分布函数——统一但不直观 随机变量（X）的特征刻画——期望 期望（均值） 确实存在的一个数，一般未知 1.离散型：分布律 定义： 2.连续型：密度函数 定义： 表示随机变量取值 大致上的一般水平 随机变量（X）的特征刻画——方差 方差 确实存在的一个数，一般未知 1.离散型：分布律 定义： 2.连续型：密度函数 定义： 表示随机变量取值 大致上的分散程度 总之： 方差的性质 方差 性质1. 用途： 性质2. 定义：标准差（均方差） 性质3. 用途： 随机变量的取值整体上下移动时，方差不变 估计参数的一般框架 构造出估计量（r.v.） 同时还要给出近似的精确程度： 区间估计—需要知道估计量的分布 近似的标准： 无偏性、相合性 （可以看成）把随机变量X重复放置： r.v.独立同分布（i.i.d.) 随机变量X的多次独立的观测值 根据我们感兴趣的参数，设法按一定方式组合 把观测值对应代入估计量 估计值，用来近似参数 随机变量的常用参数估计：期望、方差 期望（均值） 1.离散型： (估计值) 方差 估计量—r.v. 2.连续型： 随机变量X的多次独立的观测值 估计量—r.v. (估计值) 估计量的评选标准——1.无偏性、2.有效性 无偏性 估计量 有效性 估计量 均为无偏估计量 估计量 比估计量 有效 样本容量固定 估计量的评选标准——3.相合性 相合性（一致性） 估计量 一致性：当样本容量足够大时，估计量的取值虽有变动，但是都在待估参数的附近 随机变量的序列 一致性条件： 由估计量 可产生 若上述条件满足，我们称估计量 具有一致性 依概率收敛 依概率收敛： — 随机变量的序列 — 随机变量或常数 依概率收敛于a； 估计量 具有一致性 随机变量的序列，它满足 记 估计量 具有一致性 大数定理 Chebyshev(切比雪夫）不等式 随机变量X： 证明： 大数定理（基本型） 大数定理：随机变量 独立同分布（i.i.d.) 即：估计量 是 的一致估计量 证明： 大数定理的扩展 大数定理：随机变量 独立同分布（i.i.d.) 2. 渐进无偏 方差的估计量： 1. 方差是否存在、是否相等可不考虑 3. 独立同分布 可放宽为平稳序列 估计量的无偏性可适当放宽 估计量的评选标准—— 4.渐进正态（Asymptotic Normality ） 以分布收敛的含义： 当n足够大时 大数定理 随机变量 分布函数 直观意义： 中心极限定理： 估计量的评选标准—— 4.渐进正态（Asymptotic Normality ） 中心极限定理： 随机变量 独立同分布（i.i.d.) 有： 记为： 利用渐进分布进行参数的区间估计 参数 95%置信度的区间估计为： 收敛法则 如果： 则： 连续函数 依概率收敛要强于依分布收敛： 如果： 如果： 则： 则：