- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
1.2. Случайные величины
Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед не известное и зависящее от случайных причин, которые сначала не могут быть учтены.
Пример 2. Число родившихся детей в городе в течение суток – СВ, которая принимает значения 1, 2, 3, …
Пример 3. Прибыль фирмы – СВ. Возможные значения этой величины принадлежат некоторому промежутку.
Будем обозначать случайные величины прописными буквами X, Y, Z…, а их возможные значения соответствующими строчными буквами x, y, z…
Различают следующие виды случайных величин:
Дискретная (прерывная) СВ – величина, которая принимает отдельные, изолированные числовые значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным и бесконечным. (Пр.2)
Непрерывная случайная величина – СВ, которая может принимать любые числовые значения из некоторого конечного или бесконечного промежутка. Число возможных значений непрерывной СВ бесконечно. (Пр. 3).
Для задания дискретной СВ недостаточно перечислить все возможные ее значения, нужно еще указать их вероятности.
Законом распределения дискретной СВ называют соответствие между возможными значениями этой величины и их вероятностями. Закон распределения можно задать таблично, аналитически и графически.
При табличном задании первая строка таблицы содержит возможные значения, а вторая – их вероятности:
Х |
х1 |
х2 |
… |
хn |
р |
р1 |
р2 |
… |
рn |
Т.к. в одном испытании случайная величина принимает одно и только одно возможное значение, то события Х = х1, Х = х2,…, Х = хn образуют полную группу. => Сумма вероятностей этих событий равна 1: .
Если множество возможных значений Х бесконечно (счетно), то ряд сходится, и его сумма равна 1.
Пример 4. В денежной лотерее выпущено 100 билетов. Разыгрывается 1 выигрыш в 50 рублей и 10 выигрышей по 5 руб. Найти закон распределения СВ Х – стоимости возможного выигрыша владельца лотерейного билета.
Решение. Х – дискретная СВ. Ее возможные значения: х1= 0, х2 =5, х3 = 50. Вероятности этих значений: р1= 0,89, р2 = 0,1, р3 = 0,01. (проверка: 0,89 + 0,1 + 0,01 = 1)
Тогда закон распределения:
Х |
0 |
5 |
50 |
р |
0,89 |
0,1 |
0,01 |
Для наглядности закон распределения дискретной СВ можно изобразить и графически, для чего в прямоугольной системе координат строят точки (xi, pi), а затем соединяют их отрезками. Полученная ломанная называется многоугольником или полигоном распределения.
Пр.4.
Аналитически СВ задается либо функцией распределения, либо плотностью вероятностей.
Функцией распределения СВ Х называют функцию , определяющую вероятность того, что СВ Х принимает значение, меньшее, чемх: .
Иногда эту функцию называют функцией накопленной вероятности или кумулятивной функцией распределения.
Свойства функции распределения:
0 ≤ ≤ 1.
- неубывающая функция, т.е. .
.
.
.
Если возможные значения СВ Х принадлежат отрезку [a, b], то
График функции распределения даёт наглядное представление о вероятности изменения значений СВ.
Для примера функция распределения и её график имеют вид:
F(x) 1 0,99 0,89
0
5 50
x |
Для непрерывной СВ нельзя определить вероятность того, что она принимает некоторое конкретное значение, а следовательно непрерывную СВ нельзя задать таблично. Поэтому для описания непрерывной СВ может быть использована функция распределения. При этом она является непрерывной неубывающей функцией, изменяющейся от 0 до 1.
Плотностью вероятности (плотностью распределения вероятностей) непрерывной СВ Х называют функцию .
Свойства плотности вероятности:
1. . 2.. 3.. 4..
Для непрерывной СВ справедливы равенства:
==.
|
Площадь под графиком кривой плотности вероятности равна единице.
Площадь заштрихованной области на рисунке равна: =.
Вероятность попадания значений СВ в «хвосты» распределения, т.е. в интервалы и, равна 1 –. Т.о. с помощью плотности вероятности можно определить вероятность попадания непрерывной СВ Х в заданный интервал, что имеет большое прикладное значение.