第二章计量经济学的统计学基础.pptVIP

第二章 计量经济学的统计学基础 主要内容 §2.1 总体、样本 §2.2 对总体的描述——随机变量的数字特征 §2.3 对样本的描述——样本分布的数字特征 §2.4 通过样本，估计总体（一） ——估计量的特征 §2.5 通过样本，估计总体（二） ——估计方法 §2.6 通过样本，估计总体（三） ——假设检验 §2.1 总体、样本 一、总体和样本 引入一个随机变量来描述总体 总体与样本间的联系在于具有相同的分布； 总体就是一个随机变量，所谓样本就是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。 2、估计方法 3、 对估计量的检验——假设检验 （1）对总体分布特征的假设检验 一个正态总体的假设检验 a 检验均值：已知方差和未知方差 b 检验方差：未知均值（双尾和单尾） 两个正态总体的假设检验 a 检验均值：未知方差但可假设其相等 b 检验方差：未知均值（双尾和单尾） 总体分布的假设检验 a 总体为离散型分布 b 总体为连续型分布 （2）对各种系数、参数估计值的假设检验 五、随机变量函数的概念和分布 1、随机变量函数的定义： 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、几种重要的分布 （1）正态分布 若连续型随机变量X的概率密度为 则X服从正态分布，记为 。正态分布的数学期望和方差分别为 标准正态分布： 正态分布的标准化 （1）如果 ， ，则 （2）两个（或多个）正态分布随机变量的线性组合仍服从正态分布。 （3）若Z1, Z2, …，Zk为k个独立的标准正态变量，则其平方和服从自由度为k 的χ2分布，即 （2） 分布 自由度为n的 分布的密度函数 注：标准正态变量的平方服从自由度为1的 分布，即 分布的图象 定理： 分布的和仍然服从 分布。 若X1,X2, …, Xn相互独立，且Xi服从具有ni（i=1, 2, …，n）个自由度的 分布，则它们的和X1+X2+……+Xn 服从具有? ni 个自由度的 分布。 分布是斜分布，其偏度取决于自由度的大小，自由度越小，越向右偏，但随着自由度的增大，逐渐呈对称，接近于正态分布。 分布的期望为k，方差为2k，k为 分布的自由度 （3）?分布 （1） ?分布的定义。如果连续型随机变量x具有密度函数，则称其具有?分布 记作 ，这里 （2）定理 ?分布的数学期望和方差 （4） t分布 t分布的定义。如果连续型随机变量x具有以下密度函数，则称其具有自由度为n的t分布t(n)。 t分布与正态分布类似具有对称性，其均值为0，方差为n/(n-2)，但t分布比正态分布略“胖”些。 若Z～N(0,1), y~χ2(N) , 则 t分布和正态分布图像 （5） F分布 F分布的定义。若连续型随机变量X的分布密度函数由下式给出，则称X服从自由度分别为n1, n2的F分布，记为F(n1, n2)。 若x~χ2(N1) , y ~χ2(N2) , 则 F分布的图象 §2.2 对总体的描述—随机变量的 数字特征 一、数学期望 二、方差 三、数学期望与方差的图示 一、数学期望 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。 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 ，而积分 绝对收敛