课件数理统计复习新.pptxVIP

计量经济学的统计学基础;主要内容;第一节 基本概念;1.1 总体和个体;1.2 样本和样本容量;1.3 随机变量和概率;1.3 随机变量和概率;总体、样本间的联系;1.4 统计量;1.5 随机变量的分布函数;1.5 随机变量的分布函数;分布函数和密度函数的关系：;举例：正态分布;1.6 条件概率和条件概率分布 条件概率 在已知与事件A相关的另一事件B已经发生的情况下，考虑事件A发生的概率。记作P(A|B） 条件分布 有时需要关注部分随机变量给定情况下，其他随机变量的概率分布。 条件期望 在给定条件下，考察随机变??的概率均值。 对离散型随机变量： ;第二节 对总体的描述 ——随机变量的数字特征; 定义：离散型随机变量数学期望的定义： 定义： 连续型随机变量数学期望的定义(略）;2.1 数学期望（续）;数学期望的性质;2.2 方差;离均差 如果随机变量X的数学期望E(X)存在，称[X-E(X)]为随机变量X的离均差。显然，随机变量离均差的数学期望是0，即 E [ X-E(X) ] = 0 方差 随机变量离均差平方的数学期望 叫随机变量的方差，记作Var(x)或D(x)。 离散型随机变量的方差 标准差 方差的算术平方根叫标准差。;方差的意义（补充说明）;方差的性质;数学期望与方差的图示;2.3 协方差（Covariance）与相关系数(correlation coefficient);协方差的缺点： 协方差取值依赖于度量单位 相关系数的定义， 协方差是有量纲的；相关系数无量纲，取值[-1,1] 独立与(线性)不相关的关系 ;第四节 随机变量的分布 ——总体和样本的连接点;4.1常见分布;（1） 正态分布;正态分布(续）;正态分布图示;正态分布的标准化;关于正态分布的和;（2） ? 2 分布;定理 ? 2 分布的和仍然服从? 2 分布;（3） t分布;t分布（续）;n = 1;（4）F-分布;(5)分位点（数）;分位数;上分位点;双侧α分位数;标准正态分布的? 分位数图形（上分位数和双侧分位数） ;t-分布的分位数特点;;;（６）临界值;临界值点：标准正态分布、t分布临界值点（双侧）;临界值点： F分布（单侧）临界值点;4.2 样本统计量及其分布;第五节 通过样本，估计总体（一） ——点估计;参数估计：点估计;点估计量的优良性标准;线性性： 参数估计量是随机变量观测值的线性组合 具有线性性的参数估计量称为“线性估计” 意义： 参数估计量可以表示为随机变量观测值的线性组合，通常意味着与随机变量有相同类型的概率分布。 (前提是，随机变量是正态分布，而这个假定一般线性回归模型中都满足）;无偏性： 参数估计量的概率均值（数学期望）等于参数的真实值。 意义： 意味着利用不同样本反复估计，得到的估计值会以参数真实值为中心分布。;有效性： 仅仅满足有效性是无意义的。实际上要求估计量是方差最小的线性无偏估计量;形象感觉无偏性和有效性： 4支比赛用枪的抽样结果;第六节 通过样本，估计总体（二） ——区间估计;所谓区间估计就是以一定的可靠性给出被估计参数的一个可能的取值范围。 具体作法是找出两个统计量 ?1(x1,…,xn)与?2 (x1,…,xn)，使 　　　　 P(?1 ? ?2 )=1-? (?1 , ?2)称为置信区间 1-?称为置信系数（置信度，反映了估计的可靠程度） ?称为冒险率（测不准的概率）或者显著水平，一般取5%或1%。;对区间估计的形象比喻;;第七节 通过样本，估计总体（三） ——假设检验;例2 从2006年的新生儿中随机抽取20个，测得其平均体重为3240g,样本标准差为300g。而根据过去统计资料，新生儿平均体重为3200g。问现在与过去的新生儿体重有无显著差异（假定新生儿体重服从正态分布）？;;二、假设检验的原理和思想;信息看在H0成立下会不会发生矛盾。;检验假设： ;三、基本概念;两类错误 假设检验的依据是: 小概率事件在一次试验中很难发生, 但很难发生不等于不发生, 因而假设检验所作出的结论有可能是错误的. 这种错误有两类: 第一类错误（弃真错误) 我们拒绝了一个为真的虚拟假设。当原假设H0为真, 观察值却落入拒绝域, 而作出了拒绝H0的判断, 称做第一类错误, “以真为假”。 犯第一类错误的概率是显著性水平。 第二类错误(取伪错误） 我们没有拒绝一个不真的虚拟假设。当原假设 H0 不真, 而观察值却落入接受域, 而作出了接受 H0 的判断, 称做第二类错误, ;