计量经济学知识点重点总结
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
一、一些应该掌握的概念(课都上完以后回顾时候提到的应该知道的一些知识,有可能会出简答题)
1、中心极限定理
2、大数定理
3、正态分布
4、契比雪夫不等式
5、方差,期望
6、协方差及其相关系数,
二、一些基本题型
1、随机变量分布,“离散型100%考,图形不会的补考!”(此为他课上威胁性话语,所以重视程度排在第一位了……不知道是不是真考,《北方工业大学》版本有一个其他的数据的例子,供参考)
例:设对任意x,定义F(x)=P{X≤x}=P{w|X(w)≤x}
X 1 2 3
P 1/3 1/3 1/3
求F(x)=P(X≤x)的分布
1)x<1时,F(x)= P(X<1)=0
2)1≤x<2时,F(x)= P(X≤1)=P(X=1)=1/3
3)2≤x<3时,F(x)= P(X≤2) =P(X=1)+ P(X=2)=2/3
4)3≤x时,F(x)= P(X≤3) =P(X=1)+P(X=2)+ P(X=3)=1
图形:次图形为右连续
F(x)
0 1 2 3 x
2、需求量,很容易考(原话)
P15的例1.5,实在打不出来,留个地,大家自己写上去吧。
3、联合概率密度(简单被积分数,身高、体重作为随机变量)
例:用X表示身高,Y表示体重,(X,Y)为二维随机变量
定义F(l,w)=P{X≤l1, Y≤w1}
当两个事件相互独立时,得出
F(l,w)=F X(l) * F Y(w)
即同时满足身高、体重条件的概率为满足身高事件的概率与满足体重的概率乘积。
4、古典概型例子
例一:有藏品100个,其中5个次品,求取8个里面最多2个次品的概率?解:书上p6,例1.1
其中应注意公式:
n!
C m n =----------------------
m!(n-m)! (公式打得难看了一点,但是很有用)
例二:黑球a个,白球b个,放在一起抓阄。1≤k≤a+b,求在第k个位置抓到黑球的概率?
解:
a*(a+b-1)! / (a+b)! =a/(a+b)
此用来证明第k次抽签时与前面抽到的概率都相等,(本人认为考的可能性小,哈哈)
例三:n个人坐一圈,求其中2个熟人坐一起的概率
解:
P=2/(n-1)
即为,把两个人看作一个整体,与其他n-1个人排列,有n-1种方法,他们之间的座位左右更换,有两个,所以得出上式。太简单了,估计不会考吧?
例四:n个人,至少2个人同生日的概率
如p6,例1.2
P=1 - 365*364*…(365-n+1)/365n
例五:n双不同的鞋,取2k只,(2k P(1)=C1n * C2k-2n-1 * 2k-1 / C2k2n P(2)=C2n * C2k-4n-2 * 2k-2 / C2k2n N双里面取两双,剩下的n-2双里面取2k-4只,共有2的k-2次方种排列,得上式。 5、全概率公式(Bayers贝叶斯公式) P8例1.3三个工厂生产那道题,非常重要。 公式: P(A)=P(B1)*P(A|B1)+ P(B2)*P(A|B2)+ P(B3)*P(A|B3) P(B1|A)= P(B1)*P(A|B1)/P(A) 6、矩阵“看书上求三阶矩阵,看到知道怎么算就行了”——原话 7、几何平均法 n X1*X2*…*Xn 8、移动平均法 三项移动平均 X t =(X t-1+X t +X t+1) /3 由此可推出5项平均(略) 9、经典的啤酒题目,正确答案是后来发的单独的那个答案,做会就行了。书上的具体做法在108页,“考试中会给个临界值,看方程是否存在”——原话 (1)求啤酒消费y 关于平均真实零售价格x 的线性回归方程,并做出解释; (2)在显著水平α=0.05下对所求方程作显著性检验,F0.05(1,8)=5.32; (20分) 解: 1.由于啤酒消费y 关于平均真实零售价格x 的是一元线性回归方程,故假设 y=a+bx,需要求解a,b 利用书本上103页公式: b=xx xy n i i n i i i L L x x y y x x = ---∑∑==12 1 )())(( 其中4968.0)()(1))((1111-=-=--=∑∑∑∑====n i i n i n i i i i n i i i xy y x n y x y y x x L 244.1)(1)(112122=-=-=∑∑∑===n i n i n i i i i xx x n x x x L 996.01020.139.181.108.175.076.073.079.070.075.010101=+++++++++== ∑=i i x x 239.210 06.207.2211.22.225.23.23.25.26.2=+++++++++=y 代入公式中得到:b=399.0244 .14968.0-=- 6364.2996.0)399.0(239.2=⨯--=-=x b y a ,因此一元线性回归方程为y=2.6364-0.399x (2)利用方差分析来检验y 与x 之间的线性相关关系的显著性, 利用F 检验: 2 22-=n S S F E R 其中=2 R S 1984.0244.1)4968.0(2 2=-=xx xy L L 22R yy E S L S -= 其中33.031.50110146.50)(1)(112122=⨯-=-=-=∑∑∑===n i n i n i i i i yy y n y y y L 1316.01984.033.022=-=-=R yy E S L S 因此=-=-=)(2101316.01984.02 22n S S F E R 12.06 由于32.5)8,1()2,1(06.1205.005.0==->=F n F F ,所以y 与x 之间的线性关系高度显著