计量经济学第2章 概率统计基础.pptVIP

计量经济学-第2章 概率统计基础 第2章 概率统计基础 ● 什么是统计分布？ 用随机变量所有可能取值及其对应的概率来对随机变量的变化进行描述的分布。 概率分布可分为离散随机变量概率分布和连续随机变量概率分布。前者简称离散分布,后者为连续分布 ● 常用统计分布 （１）正态分布 （２）卡方分布 （３）t 分布 （４）Ｆ分布 ■ 正态分布 （1）密度函数 记作 标准正态分布： μ=0，σ2 =1 标准正态分布概率密度函数 标准正态分布的直方图 ■ x=rnorm(10000,0,1) hist(x,breaks=100) ■ x=rnorm(100000,0,1) hist(x,breaks=100,freq=FALSE) lines(density(x),col=“blue”) #添加密度函数曲线 ■ x=rnorm(100000,10,5) hist(x,breaks=100,freq=FALSE) lines(density(x),col=blue) #添加密度函数曲线 标准正态分布的分布函数：Φ（x） Φ（0）=0.50 Φ（1）=0.8413 Φ（2）=0.9972 Φ（3）=0.9987 二元正态分布 # 基于R软件的二维正态分布密度函数图的构建程序 /157659228.html ■ t 分布 如果随机变量X具有如下形式的分布密度函数 则称X服从自由度为n的t分布，记作X~t(n) t 分布的密度函数图（自由度=9） x=rt(100000,9)hist(x,breaks=100) x=rt(100000,9) hist(x,breaks=100,freq=FALSE) lines(density(x),col=blue) #添加密度函数曲线 ● 卡方分布 如果随机变量X具有如下密度函数 则称X服从自由度卡方分布，记作 x=rchisq(100000,9) hist(x,breaks=100,freq=FALSE) lines(density(x),col=blue) #添加密度函数曲线 ● F分布 如果随机变量X具有如下密度函数 则称X服从第一自由度: n1，第二自由度:n2的F分布，记作X~F（ n1，n2） F分布的密度函数图（n1=8，n2=12） ● 分布之间的关系 （1）当自由度趋向于无穷大时，t分布趋向于 标准正态分布 （2）相互独立标准正态变量的平方和服从分布 卡方分布 （3） t=N（0，1）/（卡方变量/自由度）1/2 （4） ● 分布的应用 [1] 正态分布：正态分布应用最广泛的概率分布，其分布密度函数特征是“钟”形曲线。 例如，同一种生物体的身长、体重等指标；在生产条件不变的情况下，产品的强力、抗压强度、口径、长度等指标 [2] t分布: 用于正态分布均值的检验， （注：总体方差未知） 例如，比较南方人与北方人的平均身高是否相同？ 两所大学学生的四六级考试平均成绩是否一样？ [3] 卡方分布：用于单个正态总体的方差检验，以及分布拟合问题 [4] F分布：用于两个正态总体方差是否相等的检验，以及方差分析中。 2.2 参数估计 ● 点估计 ● 估计量的优良性准则 ● 极大似然估计 ● 区间估计 ● 点估计 ◆ 矩估计 矩估计的基本原则（K.Pearson，1900年） 用样本矩替代总体矩，用样本矩函数替代总体矩函数 设X1,X2,…,Xn是来自总体X的样本，则样本的k阶原点矩 如果总体X的k阶原点 矩存在，则用 去估计 ，记作 例 设X1,X2,…,Xn是来自总体 ，由于 所以，μ的矩估计量 所以，方差 的矩估计 ● 点估计优劣的矩评价标准 ◆ 无偏性 设 是参数 的估计量，如果 则称 是 的无偏估计量；否则，称 为有偏的。 定义 若统计量 满足条件 则称 是 的渐近无偏估计量。 显然，样本方差Sn2 是总体方差σ2 的渐近无偏估计量。 ◆ 有效性 设