第二章_基本概念.docVIP

念 随机变量的矩 一个连续型随机变量 X 的l 阶矩定义为 ( ( ( ( ( m E X x f x dx ( l ) l ( ) l (( 一阶矩为 X 的期望或是均值，表示分布的中心位 置，记为 ( . x X 的l 阶中心矩定义为 ( m E[(X ( )l ] (X ( )l f (x)dx ( ( ( ( ( l x x (( 二阶中心矩可度量 X 取值的变化程度，称为 X 的方 差，记为( 2 ，( 成为 X 的标准差. x x 1 念 期望 早在17世纪，有一个赌徒向法国著名数学家 帕斯卡挑战，给他出了一道题目：甲乙两个 人赌博，他们两人获胜的机率相等，比赛规 则是先胜三局者为赢家，赢家可以获得100法 郎的奖励。当比赛进行到第三局的时候，甲 胜了两局，乙胜了一局，这时由于某些原因 中止了比赛，那么如何分配这100法郎才比较 公平？ 用概率论的知识，不难得知，甲获胜的概率 为1/2+(1/2)*(1/2)=3/4，或者分析乙获胜的 概率为(1/2)*(1/2)=1/4。因此由此引出了甲 的期望所得值为100*3/4=75法郎，乙的期望 所得值为25法郎。这个故事里出现了“期望” 这个词，数学期望由此而来。 2念 随机变量的矩 ( m E[(X ( )l ] (X ( )l f (x)dx ( ( ( ( ( l x x (( 三阶中心矩可度量 X 关于其均值的对称性； 四阶中心矩度量 X 的尾部. 在统计学中，标准化的三阶矩叫偏度（Skewness） 标准化的四阶矩叫峰度（Kurtosis） ( ( ( ( 3 (X ) S(x) E x ( ( ( ( 3 ( ( x ( ( ( ( 4 (X ) K(x) E x ( ( ( ( ( ( x 3念 随机变量的矩 设(x x ( x (是 X 的T 个观测值的随机样本 1 , 2 , T 样本均值 (? 1 T ( ( x x t T t(1 1 T T 1 ( ( 样本方差 ( ( (? ( ( (? x 2 x t x t(1 样本偏度 1 T ( ( ?( ) ( ? ( 3 S x x ( ( ( ( ( (? 3 ( T 1 t 1 t x x 样本峰度 1 T ? ( ) ( ? ( 4 K x x ( ( ( ( ( T 1 (? ( 4 ( ( t x t 1 x 样本超出峰度 K? (x) ( 3 4念 随机变量的矩 对于正态分布，K(x) ( 3. 若峰度大于 3，则具有厚尾性. 一般来说，在实证 中，尖峰跟厚尾总是同时出现. 实际中，意味着来 自这样分布的随机样本会有更多的极端值. 尖峰：数据位于分布中心附近的几率较小，数据很 大或者很小的就比较多，所以才有厚尾. 5念 偏度（Skewness）：是描述某变量取值分布对称性的统计量 如果是正态分布，偏度值为0. Skewness = 0 分布形态与正态分布偏度相同 Skewness 0 为正偏或右偏，长尾巴拖在右边. Skewness 0 为负偏或左偏，长尾巴拖在左边. Skewness越大，分布形态偏移程度越大。 负(左)偏分布 正(右)偏分布 6念 峰度（Kurtosis）：描述某变量所有取值分布形态陡缓 程度的统计量。正态分布的峰度为3. Kurtosis = 3 与正态分布的陡缓程度相同。 Kurtosis 3 比正态分布的高峰更加陡峭——尖顶峰 Kurtosis 3 比正态分布的高峰来得平台——平顶峰 与标准正态 分布比较！ 尖峰分布 扁平分布 7念 f (x) ( 1 2 (( ? exp( ? ( (x ) ( ( (2 2 2 ( ( ( X ( , ) ~ N ( ( 2 8念 9念 10念 11念 12念 瑞利分布（Rayleigh） f ( ( 2 x x ( ( exp( (x) ( 2 ( ( ( 2 2 ( ( 0， ( ( ， ( ( x x ( ( 0 0 ?0.4 ?0.35 ?0.3 ?0.25 ?0.2 ?0.15 ?0.1 ?0.05 ?0 ?0 ?2 ?4 ?6 ?8 ?10 ?12 瑞利分布概率密度(＝2 13念 指数分布（Exponential） f (x) ( (( ( (( x e ， 0， ( x x ( ( 0 0 ?1.5 ?1 ?0.5 ?0 ?0 ?1 ?2 ?3 ?4 ?5 ?6 ?7 指数分布概率密度 14念 对数正态分布（Log-Normal） (为尺度参数 (为形状参数 ( ( ( ( 2 1 (Inx ) f (x) exp U(x) ( (( ( ( 2 (( 2 2 ( (