实用统计分析方法与应用.pptx

实用统计分析方法与应用;现代统计学的研究对象：统计方法和统计逻辑 现代统计学的分类： 从实际应用中的方法来区分可分为;统计软件;数理统计的基本框架： ;数理统计的基本框架： 微积分：数学基础，为概率论的运算以及数理统计的统计量提供基础。 概率论：数理统计学所考察的数据都带有随机性（偶然性）的误差。这给根据这种数据所作出的结论带来了一种不确定性，其量化要借助于概率论的概念和方法。 数理统计基础：对数据的结构分析和条件检验。对以数据为基础的计量经济学提供前端分析。 计量经济学：利用建立模型和优化模型解决实际问题的方法。 时间序列分析：是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。 ;数理统计的基本框架： ;;;随机变量的数学特征 ;随机变量的数学特征 ;随机变量的数学特征 ;随机变量的数学特征 期望 方差 协方差与相关系数 大数定律与中心极限定理 ;随机变量的数学特征 期望：在概率论和统计学中，一个离散型随机变量的期望值（或数学期望、或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。 离散型随机变量： ;;随机变量的数学特征 ;数学期望的意义;方差的引入;方差;方差的计算步骤 ;协方差 在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。 直观上来看，协方差表示的是两个变量总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。 ;相关系数 前面说到当两个变量互为统计独立时，协方差COV=0 但反之协方差COV=0时，两个变量并不一定统计独立 相关系数是变量之间相??程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1];;引 言 ;样本与总体 ;抽样及抽样方法 ;简单随机样本样本必须具有的性质 ;;自有限总体的简单随机抽样;自无限总体的简单随机抽样;统计量 ;;参数估计;显著性水平;是否为大样本 n≥30;假设检验 ;假设检验 ;假设检验;;相关分析 简单相关分析是对两个变量之间的相关程度进行分析。单相关分析所用的指标称为单相关系数，又称为单相关系数、Pearson（皮尔森）相关系数或相关系数。通常以ρ表示总体的相关系数，以ｒ表示样本的相关系数;相关系数的检验 在实际的客观现象分析研究中，相关系数一般都是利用样本数据计算的，因而带有一定的随机性，样本容量越小其可信程度就越差。因此也需要进行检验，即对总体相关系数ρ是否等于０进行检验。数学上可以证明，在Ｘ与Ｙ都服从于正态分布，并且又有ρ＝０的条件下，可以采用ｔ检验来确定ｒ的显著性。其步骤如下： ;关键术语;41