记录一下个人计量经济学学习的笔记。
第二章 概率统计
这一章主要是复习本科概率论与应用统计的部分知识。
概率与条件概率
条件概率
P ( A ∣ B ) = P ( A ∩ B ) P ( B ) P(A|B)=\frac {P(A\cap B)}{P(B)} P(A∣B)=P(B)P(A∩B)
全概率公式
P ( A ) = ∑ i = 1 n P ( B i ) P ( A ∣ B i ) P(A)=\sum_{i=1}^n P(B_i)P(A|B_i) P(A)=i=1∑nP(Bi)P(A∣Bi)
分布与条件分布
分布
F ( x ) = ∫ − ∞ x f ( t ) d t F(x)=\int_{-\infty}^x f(t)\,{\rm d}t F(x)=∫−∞xf(t)dt
多维随机向量的概率分布
f x ( x ) = ∫ − ∞ ∞ f ( x , y ) d y f_x(x)=\int_{-\infty}^{\infty} f(x,y)\,{\rm d}y fx(x)=∫−∞∞f(x,y)dy
F ( x , y ) = ∫ − ∞ x ∫ − ∞ y f ( t , s ) d t d s F(x,y)=\int_{-\infty}^{x} \int_{-\infty}^{y} f(t,s)\, {\rm d}t{\rm d}s F(x,y)=∫−∞x∫−∞yf(t,s)dtds
随机变量的数字特征
期望(expectation)
E ( x ) = μ = ∫ − ∞ ∞ x f ( x ) d x E(x)=\mu =\int_{-\infty}^{\infty} xf(x)\,{\rm d}x E(x)=μ=∫−∞∞xf(x)dx
方差 (variance)
V a r ( X ) = σ 2 = E [ X − E ( X ) 2 ] = E ( X 2 ) − [ E ( X ) ] 2 Var(X)=\sigma^2 =E[X-E(X)^2]=E(X^2)-[E(X)]^2 Var(X)=σ2=E[X−E(X)2]=E(X2)−[E(X)]2
协方差(covariance)
C o v ( X , Y ) = E [ ( X − E ( X ) ) ( Y − E ( Y ) ) ] = E ( X Y ) − E ( X ) E ( Y ) = σ X Y Cov(X,Y)=E[(X-E(X))(Y-E(Y))]=E(XY)-E(X)E(Y)=\sigma_{XY} Cov(X,Y)=E[(X−E(X))(Y−E(Y))]=E(XY)−E(X)E(Y)=σXY
C o v ( X , Y ) > 0 Cov(X,Y)>0 Cov(X,Y)>0则 X X X与 Y Y Y正相关,反之则负相关。
相关系数(correlation)
协方差反映了两个变量之间的相关性,即 X X X的取值会对 Y Y Y的取值有多大的影响。而为了反映这一影响的大小程度,采用了排除随机变量计量单位的相关系数 ρ \rho ρ。
ρ = C o r r ( X , Y ) = C o v ( X , Y ) V a r ( X ) V a r ( Y ) = σ X Y σ X σ Y \rho=Corr(X,Y)=\frac{Cov(X,Y)}{\sqrt{Var(X)Var(Y)}}=\frac{\sigma_{XY}}{\sigma_X \sigma_Y} ρ=Corr(X,Y)=Var(X)Var(Y)Cov(X,Y)=σX