第5章统计推断：估计与假设检验.pptVIP

* -q 0 q p=1- =@q***(1- ,df) * 利用EVIEWS进行假设检验或求置信区间 例 4.3 习题 4.12 例 4.5 例 4.6 P70 P77 P74 P75 * 例5.3 lpx= scalar lpx=6.5-@qtdist(0.995,19)*2/20^0.5 scalar rpx=6.5+@qtdist(0.995,19)*2/20^0.5 lpx 6.5 rpx * 例5.5 =1-@cchisq(30*(12/9),30) * 例4.6 =1-@cfdist(83.88/46.61,22,23) * 习题4.12 scalar lpx=@mean(x)-@qtdist(0.975,9)*@stdev(x)/9^0.5 scalar rpx=@mean(x)+@qtdist(0.975,9)*@stdev(x)/9^0.5 * 第5章 统计推断：估计与假设检验 5。1 统计推断的含义 5。2 估计和假设检验：统计推断的两个孪生分支 5。3 参数估计 5。4 点估计量的性质 5。5 统计推断：假设检验 小结，例题 * 5。1 统计推断的含义 统计推断的实质就是从样本值归纳出总体值的过程。 统计推断研究的是总体与来自总体的样本之间的关系。 * 例 纽约股票交易市场（NYSE）共有1758支股票（1990年9月4日）。假设某一天我们从这1758支股票中随机选取50支，并计算这50支股票价格与收入比的平均值——P/E值。能否说这50支股票的P/E值就是总体的1758支股票的平均P/E值呢？ ？ 已知样本均值能否得到总体均值？ * 5。2 估计和假设检验：统计推断的两个孪生分支 估计是统计推断的第一步，通常我们通过样本来估计总体某一参数，这一估计量的取值称为参数估计值。 在假设检验中，我们可以对某一参数的假定值进行先验判断或预期。 * 5。3 参数估计 假定有来自某一总体X，容量为n的随机样本，可将样本均值作为总体均值（期望）的估计量；样本方差作为总体方差的估计量 。 估计问题有两类： 点估计（point estimation） 区间估计（onterval estimation）。 * 例 如前例，假设50支股票样本的P/E比值如下表4-1 样本均值=11.5 样本标准差S=3.0456 中位数=众数=11 由前章我们知道 ～ 或： 我们还知道： 查表可知 2 2 5 6 5 7 5 4 3 4 6 1 50 频数 6 7 8 9 10 11 12 13 14 15 16 18 P/E * 10.63 12.36 P/E比值 图4-2 总体平均的P/E的置信区间 * 线性 若估计量是样本观察值的线性函数，则称该估计量为线性估计量。 显然，样本均值是一个线性估计量。 无偏性 如果估计量与参数的真实值相一致，就称这些估计量是无偏估计量。（如图4-3） 仅当估计量的期望值等于参数值。 即 5。4 点估计量的性质 * * 且 且 * 有效性 若仅考虑唯一一个参数估计量，则方差最小的估计量称为有效