计量经济学复习笔记(1)

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/u013240022/article/details/50414773

考研炸了,期末考不能炸!!!对付拖延症的最好方法就是找一个push的压力

每天两更!4天攻下计量!

首先我们首先要明白几个公式
假设A和B均为独立变量则有

E(X+Y)=E(X)+E(Y) 

E(nX)=nE(X) 

D(X+Y)=D(X)+(Y) 

D(nX)=n 2 D(X) 

D(X)=EX 2 (EX) 2  

这是最基本的
之后是几个常见的统计分布

一)正态分布

正态分布是最常见的分布
其概率密度公式为

f(x)=12πσ 2  − − − −    exp((xμ) 2 2σ 2  ) 

计作xN(μ,σ) 即x服从期望为μ ,方差为σ 的分布
其中exp(x)=e x  
其计算则是根据poisson积分
 +  e x 2  dx=π    
可以推出其概率分布函数计作Φ(x) Φ(x)| +  =1 

以上都是扯淡—————————————-
最重要的是 :我们将期望μ=0  方差σ=1  的分布记为标准正态分布
关键!!!@!@

Xμσ N(0,1) 

二)χ 2  分布

χ 2   分布是由正态分布而来,首要定义是:假设X i   (i = 1,2,3…n)满足期望为0,方差为σ  的正态分布, 即X i N(μ,σ) ,
则我们称 n i=1 X 2 i   服从自由度为n的χ 2  分布记作:

 i=1 n Xi 2 χ 2 (n) 

χ 2  分布期望为n,方差为2n

三)T分布
根据以上两个分布,又推出一个新的分布如果有Z 1 N(0,1) , Z 2 χ 2 (k) 则有

t=Z 1 Z 2 /k − − − −     
服从自由度为k的T分布
书上记为t k  

T分布均值为0, 方差为kk2  
四)F分布
如果有 Z 1 χ 2 (n),Z 2 χ2(k)  ,则有

Z=Z 1 /k 1 Z 2 /k  
服从第一自由度为n,第二自由度为k的F分布
记作
ZF(k 1 ,k 2 ) 

**F分布均值为k 2 k 2 2 ,k 2 >2 
同时t 2 k =F 1,k  

然后是样本均值和样本方差

样本均值我们记作X ¯ =1n  n i=0 X i   值得注意的是,这里的每个X i   均为独立变量。
然后我们就有E(X ¯ )=E(X)=μ 
还有一个令人比较困惑的是样本方差的问题
我们假定在估计一个统计分布时,我们已经得知了其分布期望为μ 
则易得

1n E( i=1 n (X i μ) 2 )=σ 2  

我们由之前的定义计算样本方差时有
E( i=1 n (X i X ¯ ) 2 )=E( i=1 n (X i μ+μX ¯ ) 2 )=E( i=1 n ((X i μ)(X ¯ μ)) 2 )=E( i=1 n ((X i μ) 2 2(X i μ)(X ¯ μ+(X ¯ μ) 2 )) 

所以该式拆分得
E( i=1 n (X i μ) 2 )E((X ¯ μ) i=1 n 2X i μ))+E( i=1 n (X ¯ μ) 2 ) 
=E( i=1 n (X i μ) 2 )E((X ¯ μ) i=1 n 2X ¯ μ))+E( i=1 n (X ¯ μ) 2 ) 
=nVar(X)2nVar(X ¯ )+nVar(X ¯ ) 
=nVar(X)nVar(X ¯ ) 

由于 Var(X ¯ )=1n Var(X)  所以有

E( i=1 n (X i X ¯ ) 2 )=nVar(X)nVar(X ¯ )=(n1)σ 2  

因此我们必须使用
S 2 =1n1  i=1 n (X i X ¯ ) 2  
来估计无偏估计量
PS:所以呢,当我们知道分布期望μ 时,S 0 =1n  n i=1 (X i μ) 2   才是无偏估计,因为μ  是一个定值, 而X ¯  

To be continue…

展开阅读全文

没有更多推荐了,返回首页