第二章基本统计概念的回顾.ppt

Econometrics计 量 经 济 学 第二章 基本统计概念的回顾 主要内容 §2.1 随机试验 §2.2 随机变量 §2.3 总体的的数字特征 §2.4 样本分布的数字特征 §2.1 随机试验 随机试验：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 总体：随机试验所有可能的集合称为总体（population)或样本空间 例子：在一种双回合游戏中，O1表示两个回合全部获胜；O2表示第一个回合获胜，第二个回合失败； O3表示第一个回合失败，第二个回合获胜； O4表示两个回合全部失败。样本空间有4种结果组成：{O1，O2 ， O3 ， O4} 样本点：样本空间（或总体）的每一元素，即每一种结果成为样本点 §2.1 随机试验 随机试验的可能结果组成的集合称为事件，它是样本空间的一个子集 如果两个事件不能同时发生，则两个事件称为是互斥的 如果一个事件的发生与另一个事件的发生的可能性相同，则两个事件称为等可能性的。例如抛一枚硬币，正面朝上和正面朝下是等可能出现的 §2.2 随机变量 一、概率分布 引入一个随机变量来描述总体，随机变量是取值具有随机性的变量，按取值情况可以分为离散型和连续型两种类型。 样本就是n个相互独立的与总体具有相同分布的随机变量x1,……,xn，即n元随机变量。随机试验的可能结果组成的集合称为事件，它是样本空间的一个子集 总体与样本间的联系在于具有相同的分布 §2.2 随机变量 一、概率分布 引入一个随机变量来描述总体，随机变量是取值具有随机性的变量，按取值情况可以分为离散型和连续型两种类型。 样本就是n个相互独立的与总体具有相同分布的随机变量x1,……,xn，即n元随机变量。随机试验的可能结果组成的集合称为事件，它是样本空间的一个子集 总体与样本间的联系在于具有相同的分布 §2.2 随机变量 2、概率分布的含义和性质 随机变量X取各个值的概率称为X的概率分布。对一个离散型随机变量X可以给出如下的概率分布： P(X=xi)=pi 对于随机变量X（无论连续还是离散）可以确定实值函数F(x)，称为累积分布函数（cumulative distribution function, CDF), 定义如下 F(x)＝ P(X≤x) 5、随机变量函数 设f(x)是定义在随机变量X的一切可能取值集合上的函数。如果对于X的每一个可能值x，都有另一个随机变量Y的取值y=f(x)与之相对应，则称Y为X的函数，记作Y=f(X)。 常常遇到一些随机变量，它们的分布往往难于直接得到（例如滚珠体积的测量值等），但与它们有关系的另一个随机变量的分布却是容易知道的（如滚珠直径的测量值）。因此，就要研究两个随机变量之间的关系，然后通过它们之间的关系，由已知随机变量的分布求出与之有关的其它随机变量的分布。其间的关系通常用函数关系表示。 §2.3 对总体的描述：随机变量的数字特征 数学期望 方差 数学期望与方差的图示 相关系数与协方差 偏度和峰度 一、数学期望（集中趋势的度量） 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： 数学期望描述的是随机变量（总体）的一般水平 一、数学期望（集中趋势的度量） 2、连续型随机变量数学期望的定义 若连续型随机变量X有分布密度函数f(x) ，而积分 绝对收敛，则称 为X的数学期望。 数学期望是最容易发生的，因而是可以期待的。它反映数据集中的趋势。 求离散型随机变量数学期望举例 例1 甲、乙两射手在一次射击中的得分（分别用X、Y表示）的分布率如下： 试比较两射手的射击技术水平，并计算如果二人各发一弹，他们得分和的估计值。 解 EX=1? 0.4+2 ? 0.1+3 ? 0.5=2.1 EY=1 ? 0.1+2 ? 0.6+3 ? 0.3=2.2 E(X+Y)=2.1+2.2=4.3 因为EXEY，所以乙射手射击水平比较高；二人各发一弹，得分总和最可能在4.3分左右（即4分或5分） 3、数学期望的性质 （1）如果a、b为常数，则 E(aX+b)=aE(X)+b （2）如果X、Y为两个随机变量，则 E(X+Y)=E(X)+E(Y) （3）如果g(x)和f(x)分别为X的两个函数，则 E[g(X)+f(X)]=E[g(X)