计量经济学复习笔记(1)
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) = \frac{1}{\sqrt{ 2\pi\sigma^2}}\exp(-\frac{(x-\mu)^2}{2\sigma ^2})
计作 x∼N(μ,σ) x\sim N(\mu,\sigma)即x服从 期望为 μ \mu,方差为 σ \sigma的分布
其中 exp(x)=e x \exp(x) = e^x
其计算则是根据poisson积分
\int_{-\infty}^{+\infty} e^{-x^2}dx = \sqrt\pi可以推出其概率分布函数计作 Φ(x) \Phi(x)且 Φ(x)| +∞ −∞ =1 \Phi(x)|_{-\infty}^{+\infty} = 1
以上都是扯淡—————————————-
最重要的是 :我们将期望 μ=0 \mu= 0 方差 σ=1 \sigma= 1 的分布记为标准正态分布
关键!!!@!@
\frac{X- \mu }{\sigma} \sim N(0,1)
二) χ 2 \chi ^2分布
χ 2 \chi^2 分布是由正态分布而来,首要定义是:假设 X i X_i (i = 1,2,3…n)满足期望为0,方差为 σ \sigma 的正态分布, 即 X i ∼N(μ,σ) X_i \sim N(\mu,\sigma),
则我们称 ∑ n i=1 X 2 i \sum_{i=1}^n X_i^2 服从自由度为n的 χ 2 \chi^2分布记作:
\sum_{i=1}^n Xi^2 \sim\chi^2(n)
χ 2 \chi^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_1 \sim N(0,1) , Z 2 ∼χ 2 (k) Z_2\sim\chi^2(k) 则有
t= \frac{Z_1}{\sqrt{Z_2/k}} 服从自由度为k的T分布
书上记为 t k t_k
T分布均值为0, 方差为 kk−2 \frac{k}{k-2}
四)F分布
如果有 Z 1 ∼χ 2 (n),Z 2 ∼χ2(k) Z_1\sim \chi^2 (n), Z_2 \sim \chi2(k) ,则有
Z = \frac{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
Z\sim F(k_1,k_2)
**F分布均值为 k 2 k 2 −2 ,k 2 >2 \frac{k_2}{k_2-2},k_2\gt 2
同时 t 2 k =F 1,k t_k^2 = 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 \bar X = \frac {1}{n}\sum_{i = 0}^n X_i 值得注意的是,这里的每个 X i X_i 均为独立变量。
然后我们就有 E(X ¯ )=E(X)=μ E(\bar X) = E(X) = \mu
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 \mu
则易得
\frac{1}{n}E(\sum_{i = 1}^n \left(X_i - \mu)^2\right) = \sigma^2
我们由之前的定义计算样本方差时有
E\left(\sum_{i = 1}^{n}(X_i-\bar X)^2\right)=E\left(\sum_{i = 1}^{n}(X_i-\mu + \mu-\bar X)^2\right)=E\left(\sum_{i = 1}^{n}\left((X_i-\mu )-(\bar X -\mu )\right)^2\right)=E\left(\sum_{i = 1}^{n}((X_i-\mu)^2-2(X_i-\mu) (\bar X - \mu)+(\bar X-\mu)^2)\right)
所以该式拆分得
E(\sum_{i = 1}^{n}(X_i-\mu)^2)-E\left((\bar X-\mu)\sum_{i = 1}^{n}2(X_i-\mu)\right)+E(\sum_{i = 1}^{n}(\bar X- \mu)^2)
=E(\sum_{i = 1}^{n}(X_i-\mu)^2)-E\left((\bar X-\mu)\sum_{i = 1}^{n}2(\bar X-\mu)\right)+E(\sum_{i = 1}^{n}(\bar X- \mu)^2)
=nVar(X)-2nVar(\bar X) + nVar(\bar X)
=nVar(X)-nVar(\bar X)
由于 Var(X ¯ )=1n Var(X) Var(\bar X) = \frac {1}{n}Var(X) 所以有
E\left(\sum_{i = 1}^{n}(X_i-\bar X)^2\right) = nVar(X)-nVar(\bar X) = (n-1)\sigma^2
因此我们必须使用
S^2 = \frac {1}{n-1}\sum_{i=1}^n(X_i-\bar X)^2 来估计无偏估计量
PS:所以呢,当我们知道分布期望 μ \mu时, S 0 =1n ∑ n i=1 (X i −μ) 2 S_0=\frac {1}{n}\sum_{i=1}^n(X_i-\mu)^2 才是无偏估计,因为 μ \mu 是一个定值, 而 X ¯ 只是在本次取样中是一个定值 \bar X 只是在本次取样中是一个定值
To be continue…
计量经济学复习笔记(1)相关推荐
- 计量经济学复习笔记(一):一元线性回归(上)
计量经济学复习笔记(一):一元线性回归(上) 在本文中,我们将对回归的基本概念作出解释,介绍相关分析与因果分析之间的差异:辨析总体回归函数.总体回归模型.样本回归函数.样本回归模型之间的关系,了解我们 ...
- 计量经济学复习笔记(四)updated2.0!
终于进入回归了regression! 回归就是探究因变量和自变量的相关关系 因变量,就是y,又被称为被解释变量,回归子,相应变量 自变量,就是x,又被称为解释变量,回归元,控制变量 根据变量个数可以将 ...
- 计量经济学复习笔记(六)updated
接下来就可以很快地把Chapitre4过掉了 先是多变量线性回归模型的栗子,看课件就好了,没什么重要的. 必须强调,类似于柯布道格拉斯生产函数的非线性函数我们也可以将其对数化弄成参数线性的. 然后是偏 ...
- Spring复习笔记:4
在复习笔记三中我们进行的案例的编写,我们可以发现,就算使用了注解的方式,xml配置文件文件还是不能够删除,现在我们来将一些新的注解可以让我们去掉xml配置文件. @Configuration 作用:指 ...
- matlab arr3(5 end),matlab复习笔记.doc
matlab复习笔记.doc 如果一个语句在一行内书写太长了,可能要另起一行接着写,在这种情况下我们需要在第一行末打上半个省略号(),再开始第二行的书写.历史命令窗口(THEHISTORYCOMMAN ...
- 数据结构(c语言版)笔记6,2020考研计算机《数据结构(C语言版)》复习笔记(6)
2020年计算机考研复习已经开始,新东方在线在此整理了2020考研计算机<数据结构(C语言版)>复习笔记(6),希望能帮助大家! 第六章 树知识点整理 树是n个结点的有限集合,非空时必须满 ...
- 2018.8.14-C#复习笔记总
2018.8.14-C#复习笔记总 using System; using System.Collections.Generic; //using System.Linq; using System. ...
- 2018.8.14-C++复习笔记总
2018.8.14-C++复习笔记总 // CPPTEST.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include<iost ...
- 2018.8.5 复习笔记
2018.8.5 复习笔记 1,"a" + "b" + 3 strcat double d = 3 object obj = d int i = (int)ob ...
最新文章
- c盘扩展卷是灰色的_银行电脑win7-C盘满了怎么办
- 9.java.lang.ClassCastException
- 【文字识别小程序】快速识别文字,一款用了就再也离不开的宝藏神器~(出道即巅峰永久免费)
- Java 栈的存储过程
- 史上最全分布式数据库概述
- vsftpd的简单安装和配置(只有三步)
- 手把手教你搭建Jenkins+Jmeter+Ant自动化集成环境
- marathon的高可用服务自动发现和负载均衡
- python的any函数_Python any()函数
- 百度文库无需VIP和下载券直接下载
- Inpaint破解版 - 图片去水印神器
- 【Python 高级】Python全栈体系(七)
- 解决Xcode 13.2 不兼容 ios15.4 问题
- cad解除块的快捷命令_CAD解除编组及快捷键命令
- 【宽创案例】青海牦牛文化馆:走进牦牛之都!
- 【洛谷P3651】展翅翱翔之时
- 智汇云校携手院校组织数千学生参加“2020华为中国大学生ICT大赛”
- 一、Python语言概述
- UE4 关卡蓝图实现开关门
- 计算机电脑显卡基础知识,基础电脑显卡知识,你还不知道吗?别再被坑了!