第2章概率统计复习和eviews简介-第2章(编辑修改稿)

第2章概率统计复习和eviews简介-第2章(编辑修改稿)内容摘要：

样本提供的信息对总体 的概率分布中包含的未知参数进行估计的过程。 设总体 服从 ，从样本 中得出对参数的估计 即为参数估计 X ),( xFnXXX , 21 ),(ˆ 21 nXXXh 参数估计 估计量评价标准 无偏性：如果 ，称 为 的无偏估 计 一致性：如果 ，称 为 的一致 估计 有效性 : 设 都是参数 的无偏估计，如 果 ，称 比 更 为有效  )ˆ(E ˆ   ˆlim np ˆ 21 ˆ,ˆ  )ˆ(V a r)ˆ(V a r 21   1ˆ 2ˆ参数估计 估计量的求法 • 矩估计法（用样本矩代替总体矩：类推原则） • 极大似然估计（使抽取到的样本发生的可能性最大：表现为密度或概率之乘积） 两种估计量均具有一致性和渐进正态性 (矩条件正确，假设分布正确 )。 极大似然估计更为有效。 参数估计（举例） • 例子 （矩估计） 总体 的数学期望 和方差 为未知参数， 为从 中抽取的样本，总体矩条 件 样本矩条件 矩估计值 X2nXXX , 21 X0)]([,0)( 222   XEXE0)]ˆˆ([1,0)ˆ(112221 niinii XnXn niinii XXnXXn12221)(1ˆ,1ˆ 参数估计（举例） • 例子 （续）（极大似然估计） 总体 ， 和 为未知参数， 为从 中抽取的样本，似然函数为 对数化后对未知参数求导，得极大似然估计 2nXXX , 21 X),(~ 2NXnixniexxxL12)(2212221),。 ,(  nii XXnX1222 )(1ˆ,ˆ  统计学复习 假设检验 参数估计是随机变量，当以参数估计值 代替参数值进行推断时，必须考虑估计带来 的随机成分。 • 原理（具体见课本） • 步骤 统计学复习 假设检验 • 步骤 第一步：根据检验的问题提出原假设和备择假设。 （注意是单边还是双边检验） 第二步：根据检验的需要设计检验统计量，推导原假设下检验统计量的分布。 第三步：给定检验显著水平，求出检验的拒绝域。 第四步：根据样本值计算检验统计量的值，如果检验统计量的值落入拒绝域，拒绝原假设，否则不能拒绝原假设。 建立工作文件 生成新变量 EViews数据处理 建立工作文件 Eviews启动界面 建立工作文件 • 工作文件是由各种 EViews对象形成的一个整体，可以包含数据集（ data set）、图形（ Graph）、模型（ Equation）等，是进行各种计量分析的。