- •Эконометрика Оглавление
- •1. Парная регрессия и корреляция……………..………………………9
- •2. Множественная регрессия и корреляция………………….………38
- •3. Системы эконометрических уравнений…………...………………87
- •4. Временные ряды……………………………………………………..102
- •Введение
- •1. Парная регрессия и корреляция
- •1.1. Линейная модель парной регрессии и корреляции
- •1.2. Нелинейные модели парной регрессии и корреляции
- •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
- •А б
- •2.5. Обобщенный метод наименьших квадратов (омнк)
- •2.6. Регрессионные модели с переменной структурой (фиктивные переменные)
- •3. Системы эконометрических уравнений
- •3.1. Структурная и приведенная формы модели
- •3.2. Проблема идентификации
- •3.3. Методы оценки параметров структурной формы модели
- •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 непрерывном случае
- •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
- •Литература
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. Вы можете рассчитать его, перемножив все возможные значения случайной величины на их вероятности и просуммировав полученные произведения. Математически если случайная величина обозначена как , то ее математическое ожидание обозначается какили.
Предположим, что может приниматьконкретных значенийи что вероятность полученияравна. Тогда
. (A.1)
В случае с двумя костями величинами от добыли числа от 2 до 12. Математическое ожидание рассчитывается так:
.
Прежде чем пойти дальше, рассмотрим еще более 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
. (A.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 величины это значение часто обозначается как.
Математические ожидания функций дискретных случайных переменных
Пусть – некоторая функция от. Тогда– математическое ожиданиезаписывается как
, (A.3)
где суммирование производится по всем возможным значениям . В табл.A.3 показана последовательность практического расчета математического ожидания функции от .
Таблица A.3
Вероятность |
Функция от |
Функция, взвешенная по вероятности | |
1 |
2 |
3 |
4 |
… |
… |
… |
… |
Всего |
Предположим, что может приниматьразличных значений отдос соответствующими вероятностями отдо. В первой колонке записываются все возможные значения. Во второй – записываются соответствующие вероятности. В третьей колонке рассчитываются значения функции для соответствующих величин. В четвертой колонке перемножаются числа из колонок 2 и 3. Ответ приводится в суммирующей строке колонки 4.
Рассчитаем математическое ожидание величины . Для этого рассмотрим пример с числами, выпадающими при бросании одной кости. Использовав схему, приведенную в табл.A.3, заполним табл. A.4.
Таблица A.4
1 |
2 |
3 |
4 |
1 |
1/6 |
1 |
0,167 |
2 |
1/6 |
4 |
0,667 |
3 |
1/6 |
9 |
1,500 |
4 |
1/6 |
16 |
2,667 |
5 |
1/6 |
25 |
4,167 |
6 |
1/6 |
36 |
6,000 |
Всего |
15,167 |
В четвертой ее колонке даны шесть значений , взвешенных по соответствующим вероятностям, которые в данном примере все равняются 1/6. По определению, величинаравна, она приведена как сумма в четвертой колонке и равна 15,167.
Математическое ожидание , как уже было показано, равно 3,5, и 3,5 в квадрате равно 12,25. Таким образом, величинане равна, и, следовательно, нужно аккуратно проводить различия междуи.