概率与数理统计基础[精选].pptVIP

计量经济学数学基础 概率论与数理统计 概率论与数理统计是研究和揭示随机现象统计规律性的数学分支。主要包括：随机事件和概率、随机变量的分布和数字特征、中心极限定理和大数定理、抽样分布、统计估计、假设检验、回归分析等。 主要内容 1.基本概念 2.对总体的描述——随机变量的数字特征 3.对样本的描述——样本分布的数字特征 4.随机变量的分布 5.通过样本，估计总体——估计量的特征 6.通过样本，估计总体——估计方法 7.通过样本，估计总体——假设检验 第一节 基本概念 总体和个体 样本和样本容量 随机变量 统计量 1.1总体、个体、样本和样本容量 研究对象的全体称为总体或母体，通常指研究对象的某项数量指标；组成总体的每个基本单位称为个体。 从总体X中抽出若干个个体称为样本，一般记为(X1,X2,…,Xn)。n称为样本容量。而对这n个个体的一次具体的观察结果——(x1,x2,…,xn)是完全确定的一组数值，但它又随着每次抽样观察而改变。(x1,x2,…,xn)称为样本观察值。 注意：抽样是按随机原则选取的，即总体中每个 个体有同样的机会被选入样本。 1.2 随机变量 根据概率不同而取不同数值的变量称为随机变量。 一个随机变量具有这样的特性：可以取许多不同的数值，取每一个数值都有相应的概率p,0 ≤ p≤1。 总体、随机变量、样本间的联系 样本就是一个随机变量，所谓“样本容量为n的样本”就是n个相互独立且与总体有相同分布的随机变量X1,X2,…,Xn 每一次具体抽样所得的数据，就是n元随机变量的一个观察值，记为X1,X2,…,Xn 样本是总体的一部分。总体一般是未知的。一般要通过样本才能部分地推知总体的情况。 1.3 统计量 由样本值去推断总体情况，需要对样本值进行“加工”，这就要构造一些样本的函数，它把样本中所含的（某一方面）的信息集中起来。设(x1,x2,…,xn)为一组样本观察值，函数y=f (x1,x2,…,xn)若不含有未知参数，这种不含任何未知参数的样本的函数称为统计量。它是完全由样本决定的量。 统计量既然是依赖于样本的，而后者又是随机变量，故统计量也是随机变量。 几个常见统计量 第二节 对总体的描述——随机变量的数字特征 2.1 数学期望 2.2 方差 2.3协方差 2.1.1 数学期望：实际上就是一个加权平均值，描述随机变量的集中程度。 数学期望描述随机变量（总体）的一般水平。 定义1离散型随机变量数学期望的定义 假定有一个离散型随机变量X有n个不同的可能取值x1,x2,……,xn，而p1,p2,……,pn是X取这些值相应的概率，则这个随机变量X的数学期望定义如下： 定义2连续型随机变量数学期望的定义 2.2.1方差的定义 离均差的定义 若随机变量X的数学期望E(X)存在，称[X- E(X)]为随机变量X的离均差。 方差的定义 离均差的平方的数学期望。设X是随机变量，若E{[X-EX]2}存在，则称E{[X-EX]2}为随机变量X的方差，记为D(X)或Var(X)，即 D(X)=E{[X-EX]2} 方差的算术平方根称为随机变量X的均方差或标准差。 2.2.2方差的意义 离均差和方差都是用来描述随机变量离散程度的，即描述x对于它的数学期望的偏离程度，这种偏差越大，表明变量的取值越分散。 一般情况下，常用方差来描述离散程度。因为离均差的和为零，无法体现随机变量的总离散程度。事实上正偏差大或负偏差大，同样是离散程度大。方差中由于有了平方，从而消除了正负号的影响，并易于加总，也易于强调大的偏离程度的突出作用。 2.3协方差 Cov(X,Y)=E[(X-EX)(Y-EY)] Cov(X,Y)=E(XY)- E(X) E(Y) （积的期望减期望的积） 第三节 对样本的描述——样本分布的数字特征 样本均值 反映样本集中程度 样本方差 样本标准差 第四节 随机变量的分布 4.1 正态分布 4.2 t分布 4.3 卡方分布 4.4 F分布 4.1 正态分布 正态分布图形 标准正态分布 根据以上定理，可以将任何一个正态分布化为标准正态分布，即将其标准化。 标准正态分布图形 第五节 通过样本，估计总体（一）——估计量的特征 5.1 无偏性 5.2 有效性 5.3 一致性 5.2 有效性（最小方差性、最优性） 总体某个参数 的无偏估计量往往不只