第五课(1)期望收益与风险 英国的历史收益率 一、股票市场 一平均收益率:17.9% 一标准差:28.4% 二、长期国债 平均收益率:8.8% 一标准差:14.9%

第一节误设定 第二节多重共线性 第三节异方差性

教学目的:了解随机变量数字特征这个概念引入的必要性,掌握如下数字特征的定义:数学期望,方差, 协方差,矩,相关系数。知道各种数字特征所表达的实际意义,了解它们之间的联系与区别,各自的使用 范围与领域。掌握协方差矩阵,并了解其在多元统计分析中的重要地位

在上一章,为了得到投资者的最优投资组合,要求知道: 1、回报率均值向量 2、回报率方差-协方差矩阵 3、无风险利率 估计量和计算量随着证券种类的增加以指数级增加

问题的提出 在前述基本假定下OLS估计具有BLUE的优 良性。 然而实际问题中,这些基本假定往往不能 满足,使OLS方法失效不再具有BLUE特性 估计参数时,必须检验基本假定是否满足 ,并针对基本假定不满足的情况,采取相 应的补救措施或者新的方法

问题的提出 在前述各章中我们假定随机扰动项服从均值=0,方差 等于(常数),独立同分布。但是,并没有假定随机扰 动项服从何种具体的分布。 由于没有假定服从何种具体的分布,因而无法计算随 机扰动项取不小于某值的概率,因而也无法计算估计量 取某种值的概率,也就无法对统计量进行假设检验和进 行区间估计

尽管在一般情况下,要确定某个统计量的分布是非常困难 的,但在总体服从正态分布时,可以确定某些统计量的分布 定理3.1设总体X~N(u,o2),X,X2,X为其 样本,则样本均值ⅹ与样本方差S2独立,且有

前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

尽管在一般情况下,要确定某个统计量的分布是非常困难的,但在总体服从正态分布时,可以确定某些统计量的分布定理3.1设总体X~N(u,o2),X,X2,X为其样本,则样本均值ⅹ与样本方差S2独立,且有

一.填空题 1.实验设计的原则是 2.统计资料可分为 3.方差分析、t检验等的应用条件是 4.服从正态分布的资料常用表示平均水平,用表示离散程度:服从对数正态分布的资料常用表示平均水平:服从非正态分布的资料常用表示平均水平,用表示离散程度