数理统计作业1 张彦

数理统计作业1 张彦

ID:13074588

大小:605.63 KB

页数:13页

时间:2018-07-20

数理统计作业1   张彦_第1页
数理统计作业1   张彦_第2页
数理统计作业1   张彦_第3页
数理统计作业1   张彦_第4页
数理统计作业1   张彦_第5页
资源描述:

《数理统计作业1 张彦》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、统计学01班张彦201121861.举例说明什么是分布的位置参数,尺度参数和形状参数.解:韦伯分布得三个参数分别由位置参数,尺度参数和形状参数决定,其中形状参数最重要,韦伯分布用于研究元件寿命与疲劳程度.韦伯分布的密度函数和分布函数分别为:其中a,b,c分别代表位置参数,尺度参数和形状参数。a表示X变量的可能最小值,b确定其尺寸的大小,c确定其形状2.查阅资料,列举至少两个厚尾分布。给出这些分布的密度函数表达或图形,分析分布特征参数对密度曲线的影响,指出应用领域或应用问题。解:厚尾分布:从图形上说,较正态分布图的尾

2、部要厚,峰处要尖。直观些说,就是这些数据出现极端值的概率要比正态分布数据出现极端值的概率大。(1)股票变化的厚尾性,从网上搜集到上海,深圳的股票数据   数据是上海、深圳证券交易所的每日股价指数:上海市选用上证A股指数每日收盘指数,样本区间为2012年11月至2013年九月;深圳市选用深证A股指数每日收盘指数,样本区间同上海市一样。  股票收益率民定义为:,其中Pt表示t时期的股价指数,Pt-1表示滞后一期的股价指数样本数均值标准差偏度峰度上海2222177.068125.061-0.01794-1.0363深圳2

3、227.1001.643421.302720.65979从偏度和峰度数值可以看出,股票收益分布较正态分布有偏且有狭峰,呈厚尾特征。在R软件中作图应用于股票市场中:厚尾性越大说明状态持续性越强,在预测股价趋势时历史信息越重要。对投资者来说,能否以及如何从股票市场上获取最大收益,在一定程度上依赖于投资者对股票市场特性的深刻认识。如果我们接受收益服从稳态分布的假设,那么就意味着方差将不存在,从而基于方差一协方差的资产选择理论就必须加以修正,这样所要选择的分布就应允许分布具有狭峰特性。虽然许多分布能用于刻划狭峰、厚尾,但是

4、稳态分布是最适合的,这是由于稳态分布本身所具有的特性所决定的:任何独立的稳态分布随机变量的线性组合本身也是一个服从稳态分布随机变量,一个联合稳态分布向量的任何分量的线性组合也是稳态的。(2)t分布:以0为中心,左右对称的单峰分布;t分布是一簇曲线,其形态变化与n(确切地说与自由度ν)大小有关。自由度ν越小,t分布曲线越低平;自由度ν越大,t分布曲线越接近标准正态分布(u分布)曲线,如图.t(n)分布与标准正态N(0,1)的密度函数,可见,t分布有厚尾性质。,t分布是厚尾的仅仅在自由度非常小的情形下。当自由度增大的时

5、候,t分布峰度极快地趋于零。也就说,只有当自由度小于某个值的时候才有厚尾性质。下面横坐标是自由度,纵坐标是t分布的峰度当自由度趋于无穷大时候,峰度趋于3。另外还有认为,自由度取10以下,而大于5是比较合适的。T分布应用: 在概率论和统计学中,t-分布应用在当对呈正态分布的母群体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t测定的基础。t检定改进了Z检定(en:Z-test),不论样本数量大或小皆可应用。在样本数量大(超过120等)时,可以应用Z检定,但Z检定用在小的样本会产生很大的误差,因此样本很小的

6、情况下得改用学生t检定。在数据有三组以上时,因为误差无法压低,此时可以用变异数分析代替学生t检定。  当母群体的标准差是未知的但却又需要估计时,可以运用t-分布。3.用数学实验方法说明大数定律和中心极限定律的结论。具体要求:指出实验方法并给出说明过程。解:(1)大数定律:阐明大量重复实验的平均结果具有稳定性的一系列定律1、实验原理:证明大数定理即证明样本均值趋近于总体均值。2、实验步骤:①利用excel选取1000个随机数②选择样本的前50个,前100个,前150个…前1000个,分别求出均值。③利用excel作出

7、上述求出值的折线图(如下图2):从图2中可以看出样本均值最终趋于水平,即趋于总体均值,得证。用一统计软件产生来自某一个特殊分布的随机数,作出相应的理论分布函数图形与经验分布函数图形,理论密度函数图形与直方图。(一)、实验原理:选用R软件进行这个实验,输入rnorm(n,mean,sd)产生随机数,其中n为随机数个数,mean为所产生随机数的总体所具有的均值,sd是所产生的随机数的总体所具有的标准差。此次实验用R软件产生了100正态随机数,该正态分布为X~N(0,1)均值为0,标准差为1,方差为1.(二)、实验步骤:

8、①>rnorm(n=100,mean=0,sd=1)以下是产生的个随机数据②>plot(ecdf(sort(x)))出现经验分布函数③理论分布函数>curve(pnorm(x),xlim=c(-3,3),col='red',lwd=3)④理论密度>curve(dnorm(x),xlim=c(-3,3),col='blue',lwd=2)⑤直方图>x<-rno

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。