计量经济学的数理统计学基础.doc

(完整版)计量经济学的数理统计学基础计量经济学的数理统计学基础一、随机变量的概率分布1随机变量随机变量是指取值具有随机性的变量。随机变量有两种：离散随机变量和连续随机变量.2离散随机变量的概率分布（1)概率函数通常用一个二维表格直观描述离散随机变量X的概率分布:XP其中,（2）分布函数累计分布概率：3连续随机变量的概率分布（1）概率函数用概率密度函数描述，它满足以下性质：；（2）分布函数累计分布函数 ；另有：(3)常用分布l 正态分布定义：如果随机变量X的密度函数为则称X服从参数为、的正态分布，通常记为XN(m，s2）。令，那么服从标准正态分布N（0,1)，l 卡方分布假设n维向量XN(0,），那么；l t分布假设两个独立的随机变量ZN(0,1), Y ，那么 l F-分布假设和是两个独立的卡方分布，那么二、随机变量的联合分布1。联合概率对于两个离散的随机变量X,Y，它们的联合分布为）对于两个连续的随机变量，它们的概率分布由联合概率密度决定2。边际概率与联合概率函数相对应，都称为边际概率函数。3.条件概率三、随机变量的数字特征（分布参数)1数学期望数学期望 记为或 对于离散变量,；对于连续变量，性质： 2方差方差 记为或 性质:；.3标准差（均方差）标准差 4矩称为变量X的阶原点矩,时就是X的期望.称为变量X的n阶中心矩，n=2时就是X的方差。5偏度和峰度偏度S度量了X围绕其均值的非对称性,峰度K则度量了凸起或平坦程度.对于正态分布，K=3，S=0。6协方差协方差用于度量两个变量的线性相关程度，记为或； 。意味着两个变量同方向变动，称之为正相关；称之为负相关；称之为不相关。四、从总体到样本1总体和样本所谓总体就是一个随机变量X。X的分布函数通常记为，其中就是待估参数.在进行n次重复独立实验后，得到总体X的n个观察值，而在实验之前，实际上是相互独立均与总体X同分布的n个随机变量。称为总体X的容量为n的简单随机样本,简称样本;称为样本的一个观察值，简称样本值.2样本统计量l 统计量的概念设是来自总体X的一个样本，若随机变量的函数中不含有任何未知参数，则称为一个统计量.注意：统计量本身是一个随机变量；其值可由样本值计算出来.l 最常见的统计量有：样本均值 ；样本方差；样本标准差；样本k阶原点矩 ;样本k阶中心矩 .假设，是某个X和Y联合分布的样本，那么样本协方差 3抽样分布l 样本均值的分布总体X N（m,s2)样本 N（m，s2）则： N（m,s2/n）l 样本方差的分布l 样本均方差的分布五、参数估计1点估计2区间估计l 临界值的概念设的分布函数为，满足，则称为的临界值。对称分布的临界值 非对称分布的临界值 l 区间估计对于参数，如果有两个统计量，满足对给定的,有则称区间,是的一个区间估计或置信区间，、分别称作置信下限、置信上限,称为置信水平.置信水平为1，在实际上可以这样理解:如取，就是说若对某一参数取100个容量为的样本，用相同方法做100个置信区间。，=1,2,100,那么其中有95个区间包含了真参数因此,当实际上只做一次区间估计时,我们有理由认为它包含了真参数。这样判断当然也可能犯错误，但犯错误的概率只有5%。寻找置信区间的通常方法是从已知抽样分布的统计量，如上文提到的U，X和T入手，由于分布和概率已知，只要确定临界值就可以了.单个正态总体参数的区间估计设为的样本，对给定的置信水平，,求 参数的区间估计.情况1（已知)由于,所以容易找到临界值，使得，那么的区间估计是：。情况 2(未知）六、假设检验l 假设检验的基本思想在数理统计中，假设检验是这样一个过程:对未知总体，先作出某种假设，然后利用样本提供的信息，对这一假设的合理性进行检验,从而确定接受或拒绝这一假设.在进行假设检验时，有两点值得注意： 反证法思想.“小概率事件”在一次实验中不会发生.l 假设检验的步骤第一步,建立假设； 这里称为原假设，称为备择假设。注意：在假设检验中，原假设与备选假设的地位是不对等的。一般来说是较小的，因而检验推断是“偏向原假设，而“歧视备选假设的。既然是受保护的，则对于的肯定相对来说是较缺乏说服力的，充其量不过是原假设与试验结果没有明显矛盾;反之，对于的否定则是有力的,且越小，小概率事件越难于发生，一旦发生了,这种否定就越有力,也就越能说明问题。在应用中，如果要用假设检验说明某个结论成立，那么最好设为该结论不成立。第二步,构造统计量，求出统计量的样本分布以及由样本观察值算出其具体值。统计量 在成立的条件下，对应的具体值记为.第三步，根据备择假设构造出对不利的小概率事件-在给定显著性水平下，确定临界值,构造出拒绝域。在一个问题中，通常指定一个正数(），认为概率不超过的事件是在一次试验中几乎不会发生的事件，称为显著性水平。=0。05，算出临界值。,这里V是拒绝域，它是使得这一小概率事件发生的样本空间的点的全体。第四步，得出结论方法1：根据计算出来的值,看样本是否落在内,若落在内，则拒绝，否则，不能拒绝。如果，则称能以的显著性水平拒绝零假设；否则，不能拒绝零假设；方法2:比较p值和。p值定义为拒绝零假设的最大的显著性水平；，也就是在t分布中大于统计量的概率。比较p值和预先设定的显著性水平。如果p值，则称能以的显著性水平拒绝零假设；否则,不能拒绝零假设。由于统计量是随机变量,假设检验可能犯两种类型的错误。l 当成立,而检验的结果表明不成立，即拒绝了，这时称该检验犯了第一类错误(type I error)或“弃真”的错误；第一类错误的概率就是在成立的条件下的概率；l 当不成立，成立，而检验的结果表明成立，即接受了，这时称该检验犯了第二类错误(type II error),或称“取伪”的错误。犯第二类错误的概率是。