(第二章基本统计概念.docVIP

基本统计概念的回顾 2.1 求和符号 通常用希腊字符表示求和，其表达式为： 其中 i 为求和指数，等式的左边代表“把变量X从第一个值(I = 1)加到第 n(I = n) 个值”。Xi 代表变量 X 的第 i 个值。完整的求和符号为： 通常简单地记为： 求和符号的性质 性质1. 若k为常数，则有: 性质2. 若k为常数，则有: 性质3. 对两个变量的和求和等于对两个变量分别求和的和。 性质4. 其中a，b为常数，利用性质1、性质2、性质3可得。 ? 2.2 随机试验、样本空间、样本点和事件 2.2.1 随机试验 (statistical or random experiment) 随机试验是指至少有两个可能结果，但不确定哪一个结果会出现的过程。 例2.1 抛一枚硬币，掷一颗骰子和从一副纸牌中抽取一张。 （在这些随机试验中，暗含了地必须满足的条件,例如，假定硬币和骰子是正规的，没有注铅。） 2.2.2 样本空间或总体 随机试验所有可能结果的集合称为总体或样本空间(population or sample space)。 例2.2 抛两枚同样的硬币。H代表正面朝上，T代表正面朝下。则有四种结果： HH，HT，TH，TT。其中，HH代表第一、二枚硬币都正面朝上，H T代表第一枚硬币正面朝上，第二枚硬币正面朝下，如此类推。 全部的结果，或样本空间为（HH，HT，TH，TT）—没有其他合乎逻辑的可能的结果（假设硬币不会立起来）。 2.2.3 样本点 样本空间的每一种结果称为样本点(sample point)。在例2.2中，HH，HT，TH，TT均为一样本点。 2.2.4 随机事件 随机试验的可能结果组成的集合称为事件( events )，它是样本空间的一个子集。 例2.3 如果事件A表示抛两枚硬币一枚正面朝上，一枚正面朝下。例2.2中，只有HT和TH属于事件A (HT和TH是样本空间HH，HT，TH，TT的一个子集)。 如果事件B表示两枚均正面朝上。很明显，只有H H属于事件B (HH也是样本空间HH，HT，TH，TT的一个子集)。 2.3 随机变量 虽然试验的结果可用文字来描述，比如正面朝上或正面朝下，或是黑桃A等，但是如果将试验的结果数量化，即将试验结果和具体数字对应起来。 为什么要将随机事件转化为随即变量？ 在例2.2中，不用HH，HT，TH，TT描述试验结果，若“变量”表示了抛两枚硬币正面朝上的个数，有如下情况： 除“正面朝上次数”之外，变量还可以表示那些事件？ 随机变量可能是连续的，也可能是离散的。 离散型随机变量(discrete random variable)只能取到有限多个(或是可列有限多个)数值。 连续型随机变量(continuous random variable)可以取某一区间范围内的任意值。例如，人的身高就是一个连续型随机变量，它可以取在150～200cm范围内的任一值。类似的，体重、降雨量、温度等都可看做是连续型随机变量。 2.4 概率 首先我们定义事件的概率，然后扩展到随机变量的概率。 2.4.1 事件的概率：古典定义或先验定义 如果一随机试验的n个结果互斥(如果两个事件不能同时发生，则两个事件称为是互斥的)且每个结果等可能发生，并且事件A含有m个基本结果，则事件A的发生的概率(probability )即P(A)就是： ( 2 - 1 ) 这个定义有两个特征： (1) 试验的结果必须互斥—即它们不能同时发生。 (2) 试验的每个结果等可能发生。例如，掷一颗骰子出现任何一个数字的机会均等。 古典定义又称为先验定义(priori definition)。因为这些概率来自于纯粹的演绎推理，没有必要抛一枚硬币来证明正面朝上的概率为1/2，因为它们是合乎逻辑的仅有的结果。 （男女出生比率，古典定义与经验定义的区别） 但是如果试验的结果不是有限的或不是等可能发生的，又会怎样呢？例如，次年国民生产总值的概率为多少呢？或次年经济衰退的概率有多大？古典定义无法回答类似这样的问题（计量经济学的价值和意义）。 2.4.2 概率的频率定义或经验定义 例2.4 200个学生微观经济学的考试成绩的分布就可以用频率分布(frequency distribution)来描述。第3列数字称为频数(absolute frequencies)，第4列的数字称为频率(relative frequencies )，即频数除以出现的总数。 能把频率当作概率吗？ 如果观察次数足够多，频率就很好地测度了(事件发生的)真实概率，则可以把频率视为概率。如果在n次试验(或n个观察值)中，m次属于事件A，假定试验的次数n足够多，那么事件A的概率P(A)就简单地等于m/