
- •Эконометрика
- •Введение
- •Раздел 1. Парная регрессия и корреляция
- •1.1. Линейная модель парной регрессии и корреляции
- •1.2. Нелинейные модели парной регрессии и корреляции
- •Раздел 2. Множественная регрессия и корреляция
- •2.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •2.2. Метод наименьших квадратов (мнк). Свойства оценок на основе мнк
- •2.3. Проверка существенности факторов и показатели качества регрессии
- •2.4. Линейные регрессионные модели с гетероскедастичными остатками
- •2.5. Обобщенный метод наименьших квадратов (омнк)
- •2.6. Регрессионные модели с переменной структурой (фиктивные переменные)
- •Раздел 3. Системы эконометрических уравнений
- •3.1. Структурная и приведенная формы модели
- •3.2. Проблема идентификации
- •3.3. Методы оценки параметров структурной формы модели
- •Раздел 4. Временные ряды
- •4.1. Автокорреляция уровней временного ряда
- •4.2. Моделирование тенденции временного ряда
- •4.3. Моделирование сезонных колебаний
- •4.4. Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •Случайные переменные Дискретная случайная переменная
- •Математическое ожидание дискретной случайной величины
- •Математические ожидания функций дискретных случайных переменных
- •Правила расчета математического ожидания
- •Независимость случайных переменных
- •Теоретическая дисперсия дискретной случайной переменной
- •Вероятность в случае непрерывной случайной величины
- •Постоянная и случайная составляющие случайной переменной
- •Способы оценивания и оценки
- •Оценки как случайные величины
- •Несмещенность
- •Эффективность
- •Противоречия между несмещенностью и минимальной дисперсией
- •Влияние увеличения размера выборки на точность оценок
- •Состоятельность
- •Математико-статистические таблицы
- •2.1. Таблица значений f-критерия Фишера при уровне значимости
- •2.2. Критические значения t-критерия Стьюдента при уровне значимости 0,10, 0,05, 0,01 (двухсторонний)
- •2.3. Значения статистик Дарбина-Уотсона при 5%-ном уровне значимости
Случайные переменные Дискретная случайная переменная
Случайная переменная– это любая переменная, значение которой не может быть точно предсказано.Дискретнойназывается случайная величина, имеющая определенный набор возможных значений. Пример – сумма выпавших очков при бросании двух игральных костей. Пример случайной величины, не являющейся дискретной, – температура в комнате. Она может принять любое из непрерывного диапазона значений и является примеромнепрерывной случайной величины.
Рассматривая пример с двумя игральными костями, предположим, что одна из них зеленая, а другая – красная. Если их бросить, то возможны 36 элементарных исходов эксперимента, поскольку на зеленой кости может выпасть любое число от 1 до 6 и то же самое – на красной. Случайная переменная, определенная как их сумма, которую мы обозначим через X, может принимать только одно из 11 числовых значений — от 2 до 12. Взаимосвязь между исходами эксперимента и значениями случайной величины в данном случае показана в табл. 1.
Таблица 1
Красная |
Зеленая | |||||
1 |
2 |
3 |
4 |
5 |
6 | |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Предположив, что кости «правильные»,
мы можем воспользоваться табл. 1 для
определения вероятности каждого значения
x. Поскольку на костях
имеется 36 различных комбинаций, каждый
исход имеет вероятность 1/36. Лишь одна
из возможных комбинаций {зеленая=1,
красная=1} дает сумму, равную 2, так что
вероятностьравна 1/36. Чтобы получить сумму
,
нам потребуются сочетания {зеленая=1,
красная=6}, либо {зеленая=2, красная=5},
либо {зеленая=3, красная=4}, либо {зеленая=4,
красная=3}, либо {зеленая=5, красная=2},
либо {зеленая=6, красная=1}. В данном случае
нас устроят 6 возможных исходов, и поэтому
вероятность получения 7 равна 6/36. Все
эти вероятности приведены в табл. 2. Если
все их сложить, то получится ровно 1. Это
будет так, поскольку с вероятностью
100% рассматриваемая сумма примет одно
из значений от 2 до 12.
Таблица 2
Значения x |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
Вероятность |
1/36 |
2/36 |
3/36 |
4/36 |
5/36 |
6/36 |
5/36 |
4/36 |
3/36 |
2/36 |
1/36 |
Совокупность всех возможных значений случайной переменной описывается генеральной совокупностью, из которой извлекаются эти значения. В нашем случае генеральная совокупность – это набор чисел от 2 до 12.
Математическое ожидание дискретной случайной величины
Математическое ожидание дискретной
случайной величины– это взвешенное
среднее всех ее возможных значений,
причем в качестве весового коэффициента
берется вероятность соответствующего
исхода. Мы можем рассчитать его, перемножив
все возможные значения случайной
величины на их вероятности и просуммировав
полученные произведения. Математически
если случайная величина обозначена какx, то ее математическое
ожидание обозначается какили
.
Предположим, что xможет приниматьконкретных значений
и что вероятность получения
равна
.
Тогда
. (1)
В случае с двумя костями величинами от
до
были числа от 2 до 12. Математическое
ожидание рассчитывается так:
.
Рассмотрим еще один простой пример случайной переменной – число очков, выпадающее при бросании лишь одной игральной кости.
В данном случае возможны шесть исходов:
,
,
…,
.
Каждый исход имеет вероятность 1/6,
поэтому здесь
. (2)
В данном случае математическим ожиданием случайной переменной является число, которое само по себе не может быть получено при бросании кости.
Математическое ожидание случайной
величины часто называют ее средним
по генеральной совокупности. Для
случайной величиныxэто значение часто обозначается как.