第二章--一元线性回归模型(1).pptVIP

第二章 一元线性回归模型 补充内容 1、大数定律 2、中心极限定理 3、统计推断 1、大数定律 大数定律的客观背景 大量随机试验中， （1）事件发生的频率稳定于某一个数。 （2）测量值的算术平均值具有稳定性。 （2）依概率收敛定义及性质 切比雪夫大数定理的另一种表达方式： （3）贝努利大数定理 设 是n重贝努里试验中事件A发生的次数，p是事件A发生的概率， 是事件A发生的频率。事件发生的频率是否能够代替概率。频率是否具有稳定性呢？ 2、、中心极限定理 中心极限定理的客观背景 高斯指出测量误差服从正态分布之后，人们发现，正态分布在自然界中极为常见。 一个随机变量是由大量相互独立的随机因素的综合影响所造成，而每一个别因素对这种综合影响中所起的作用不大。则这种随机变量一般都服从或近似服从正态分布。 研究独立随机变量之和所特有的规律性问题. 当n无限增大时，这个和的极限分布是什么呢？ 3、统计推断 请同学们复习回想一下如下几个问题： （1）总体、样本和统计量 （2）矩（中心距、原点矩）、协方差矩阵 （3) 统计三大抽样分布及其性质 (1) 总体、样本、统计量 数理统计学是一门应用性很强的学科。它是研究怎样以有效的方式收集、 整理和分析带有随机性的数据，以便对所考察的问题作出推断和预测。数理统计的任务就是研究有效地收集、整理、分析所获得的有限的资料，对所研究的问题, 尽可能地作出精确而可靠的结论。 （1）总体、样本、统计量 一个统计问题总有它明确的研究对象。 研究对象的全体称为总体。 总体中每个成员称为个体。 总体中所包含的个体的个数称为总体的容量。 （1）总体、样本、统计量 总体分布一般是未知，或只知道是包含未知参数的分布，为推断总体分布及各种特征，按一定规则从总体中抽取若干个体进行观察试验，以获得有关总体的信息 ，这一抽取过程称为 “抽样”，所抽取的部分个体称为样本。样本中所包含的个体数目称为样本容量。 （1）总体、样本、统计量 （1）总体、样本、统计量 不含任何未知参数的样本的函数称为统计量。 定义： （2）矩 设 X 和 Y 是随机变量，若 k,L=1,2,…存在。称它为 X 和 Y 的 k+L 阶混合（原点）矩。 若 存在。称它为X 和 Y 的 k+L 阶混合中心矩。 可见， 协方差Cov(X,Y)是X和Y的二阶混合中心矩。 （2）矩 n 维随机变量(X1,X2, …,Xn) 的协方差矩阵： 峰度和偏度的概念 （3）统计三大抽样分布及其性质 定义: 设 相互独立, 都服从正态分布N(0,1), 则称随机变量： 所服从的分布为自由度为 n 的 . 待续！ 谢谢！ 统计量的观察值 （2）矩 （2)矩 分布 记为 分布 分布的密度函数为 来定义. 其中伽玛函数 通过积分 注 （3） 分布 1.?? 设 相互独立, 都服从正态分布 则 这个性质叫 分布的可加性. 3．若 近似正态分布N(0,1). (应用中心极限定理可得 ) 2．设 且X1,X2相互独立，　　 （3） 分布 E(X)=n, D(X)=2n. （3） 分布 概率密度函数为： 定义: 设X～N(0,1) , Y～ , 且X与Y相互 独立，则称变量 所服从的分布为自由度为 n的 t 分布。记为 （3）t 分布 （3）t 分布 （3）t 分布 （3）t 分布 由定义可见， （3）F 分布 ~F(n2,n1) 定义: 设 U 与V 相互独立，则称随机变量 服从自由度为n1及 n2 的F分布，n1称为第自由度，n2称为第二自由度，记作 F~F(n1,n2) . 即它的数学期望并不依赖于第一自由度n1. 1.F分布的数学期望为: 若n22 若F~F(n1,n2)， F的概率密度为 （3）F分布 2.F分布的分位数 （3）F 分布 * * 第一节 模型的建立及其假定条件 第二节 一元线性回归模型的参数估计 第三节 最小二乘估计量的统计性质 第四节 用样本可决系数检验回归方程的拟合优度 第五节 回归系数估计值的显著性检验与置信区间 第六节 一元线性回归