概率论与数理统计统计量样本及抽样分布.pptxVIP

概率论与数理统计统计量样本及抽样分布汇报人：AA2024-01-19

目录CONTENTS概率论基础数理统计基本概念参数估计方法假设检验原理及应用方差分析与回归分析初步随机过程简介及在金融领域应用举例

01概率论基础

事件在一定条件下，并不总是发生（或说必然发生）的现象。概率反映随机事件出现的可能性大小。事件的运算包括事件的包含、相等、和事件（并）、积事件（交）、差事件、互斥事件及对立事件等。事件与概率

在事件B发生的条件下，事件A发生的概率。条件概率如果事件A的发生与否对事件B发生的概率没有影响，则称事件A与B相互独立。事件的独立性用于计算两个事件的交事件的概率。乘法公式条件概率与独立性

随机变量定义在样本空间上的实值函数，把随机试验的结果同实数对应起来。连续型随机变量在其支撑集上取值的概率是连续的随机变量。离散型随机变量全部可能取到的值是有限个或可列无限多个的随机变量。随机变量及其分布

二项分布、泊松分布等。离散型分布正态分布、均匀分布、指数分布等。连续型分布包括期望、方差、矩等，用于描述随机变量的统计特性。分布的性质和特征常见的离散型和连续型分布

02数理统计基本概念

总体研究对象的全体个体组成的集合，通常用大写字母表示，如$X$。样本从总体中随机抽取的一部分个体组成的集合，用于推断总体的性质。样本量通常用$n$表示。个体总体中的每一个元素，即研究对象的具体表现。样本空间所有可能样本的集合。总体与样本

样本的函数，用于描述样本的特征。常见的统计量有样本均值、样本方差、样本标准差等。统计量不依赖于任何未知参数。统计量的概率分布。由于样本是随机的，因此统计量也是随机的，具有一定的概率分布。常见的抽样分布有$chi^2$分布、$t$分布、$F$分布等。统计量与抽样分布抽样分布统计量

样本均值样本中所有观测值的算术平均数，用$bar{x}$表示。样本方差样本中各个观测值与样本均值之差的平方的平均数，用$s^2$表示。样本标准差样本方差的算术平方根，用$s$表示。样本矩描述样本形状特征的统计量，如一阶原点矩（均值）、二阶中心矩（方差）等。常用的统计量

第二季度第一季度第四季度第三季度无偏性一致性有效性充分性抽样分布的性质指统计量的期望值等于被估计的总体参数。无偏性是对统计量最基本的要求之一。随着样本量的增加，统计量的值逐渐接近总体参数的真值。一致性是评价统计量好坏的重要标准之一。指在同样样本量下，统计量的方差越小越好。有效性反映了统计量的精确程度。如果样本中包含了关于总体参数的全部信息，则称该统计量是充分的。充分性是对统计量的更高要求，它保证了从样本中能够获取尽可能多的信息来推断总体。

03参数估计方法

定义点估计是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计结果也以一个点的数值表示，所以称为点估计。优点简单易行，能够提供总体参数的近似值。缺点无法给出估计的精度和置信度。点估计

优点能够给出总体参数估计的精度和置信度，提供更全面的信息。缺点相对于点估计来说更复杂一些。定义区间估计是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。区间估计

极大似然估计法优点具有一致性、无偏性和有效性等优良性质，应用广泛。缺点在某些情况下，极大似然估计可能不存在，或者存在但不唯一。

定义贝叶斯估计法是基于贝叶斯定理而衍生出用于估算统计量的发生概率的方法。贝叶斯估计和极大似然估计法都是参数估计的常用方法，但前者考虑了被估计量的先验概率分布，而后者则没有。优点能够利用先验信息，对于小样本数据也能得到较好的估计结果。缺点需要先验概率分布的信息，如果先验信息不准确或者没有先验信息，则会影响估计结果的准确性。贝叶斯估计法

04假设检验原理及应用

假设检验的基本思想是基于小概率原理，即在一次试验中，小概率事件几乎不可能发生。小概率原理在假设检验中，通常需要设立两个相互对立的假设，分别为原假设（$H_0$）和备择假设（$H_1$）。假设的设立为了判断原假设是否成立，需要构造一个合适的检验统计量，并根据该统计量的分布及显著性水平做出决策。检验统计量根据检验统计量的值和显著性水平，可以确定拒绝或接受原假设的决策规则。决策规则假设检验的基本思想

单侧检验是指备择假设的方向是单向的，即只关心参数是否大于或小于某一特定值。单侧检验可以分为左侧检验和右侧检验。单侧检验双侧检验是指备择假设的方向是双向的，即关心参数是否不等于某一特定值。在双侧检验中，需要同时考虑参数大于和小于特定值的情况。双侧检验单侧检验与双侧检验

t检验是用于比较两组均数是否有差异的常用方法，包括单样本t检验、两独立样本t检验和配对样本t检验等。t检验F检验卡方检验F检验是用于比较两组或多组方差是否有差异的常用方法，通常用于方差分析（ANOVA）等