对经济学、金融学、管理学专业的学生而言,培养随机思维与统计思维非常重要。从本质上说,这要求学生将经济观测数据视为由经济随机系统产生,并且从观测数据推断经济随机系统的性质与规律。对学生来说,非常有必要花时间了解概率论与数理统计学是如何应用于经济学、金融学、管理学等领域。因此,除了详细阐述与现代计量经济学最相关的概率论与数理统计学的基本概念、理论、方法与工具外,本课程也尝试从经济学视角对概率论与统计学的概念、理论、方法与工具提供直觉解释。例如,为什么概率论的概念~(如条件均值、条件方差)~ 在经济学有广泛的应用?统计关系的经济解释是什么?与经济因果关系有什么区别与联系?本课程将使用许多经济学和金融学的实例说明概率论与统计学的概念、理论、方法与工具如何应用于经济分析。这是本课程与其他概率论与数理统计学课程的最大不同之处。
本课程共包括概率理论和数理统计理论两大部分。共十一章,其中第二至五章是概率理论部分,第六至十章是统计理论部分,最后一章是全书总结。旨在帮助初学者深入理解概率论与数理统计学的基本理论和重要思想,同时强化他们对统计学概念、方法与工具进行经济解释与应用的能力。第一章是概率论与数理统计学导论,旨在说明为何概率论与数理统计学是经济研究特别是经济实证研究的基本分析方法与工具;第二章介绍概率论基本知识,为后续内容的展开奠定基础;第三章引入随机变量及其概率分布;第四章讨论经济学、金融学、管理学中常用的重要离散型及连续型概率分布,以及这些重要分布之间的联系;第五章介绍随机向量与多元随机变量的概率分布;第六章是统计抽样导论,介绍正态分布假设下的经典统计抽样理论,以及充分统计量的基本思想与理论;第七章介绍非正态分布假设下的大样本或渐近理论的基本分析方法与工具;第八章探讨参数估计方法以及评价参数估计量的优劣的准则;第九章讨论参数假设检验问题。
本课程的目的是培养经济学、金融学、管理学专业学生的随机思维与统计思维。
Introduction to Statistics and Econometrics
1.1 General methodology of modern economic research
1.2 Roles of Econometrics
1.3 Illustrative Examples
1.4 Roles of Probability and Statistics
Quiz1
Foundation of Probability Theory
2.1 Random Experiments
2.2 Basic Concepts of Probability
2.3 Review of Set Theory
2.4 Fundamental Probability Laws
2.5 Methods of Counting
2.6 Conditional Probability
2.7 Bayes' Theorem
2.8 Independence
2.9 Conclusion
Quiz2
Random Variables and Univariate Probability Distributions
3.1 Random Variables
3.2 Cumulative Distribution Function
3.3 Discrete Random Variables(DRV)
3.4 Continuous Random Variables
3.5 Functions of a Random Variable
3.6 Mathematical Expectation
3.7 Moments
3.8 Quantiles
3.9 Moment Generating Function (MGF)
3.10 Characteristic Function
3.11 Conclusion
Quiz 3
Important Probability Distributions
4.1 Introduction
4.2 Discrete Probability Distributions
4.3 Continuous Probability Distributions
4.4 Conclusion
Quiz 4
Multivariate Probability Distributions
5.6 Bivariate Normal Distribution
5.7 Expectations and Covariance
5.8 Joint Moment Generating Function
5.9 Implications of Independence on Expectations
5.10 Conditional Expectations
5.11 Conclusion
5.1 Random Vectors and Joint Probability Distributions
5.2 Marginal Distributions
5.3 Conditional Distributions
5.4 Independence
5.5 Bivariate Transformation
Quiz 5
Introduction to Statistic
6.0 Introduction to Statistic
6.1 Population and Random Sample
6.2 Sampling Distribution of Sample Mean
6.3 Sampling Distribution of Sample Variance
6.4 Student’s t-Distribution_batch
6.5 Snedecor's F Distribution_batch
6.6 Sufficient Statistics
6.7 Conclusion_batch
Quiz 6
Chapter 7
7.0 Introduction
7.1 Limits and Orders of Magnitude-A Review
7.2 Motivation for Convergence Concepts
7.3 Convergence in Quadratic Mean and Lp-Convergence
7.4 Convergence in Probability
7.5 Almost Sure Convergence
7.6 Convergence in Distribution
7.7 Central Limit Theorems_batch
Quiz 7
Chapter 8
8.1 Population and Distribution Model
8.2 Maximum Likelihood Estimation
8.3 Asymptotic Properties of MLE
8.4 Method of Moments and Generalized Method of Moments
8.5 Asymptotic Properties of GMM-zhong
8.6 Mean Squared Error Criterion
8.7 Best Unbiased Estimators
8.8 Cramer-Rao Lower Bound
Quiz 8
Chaper 9
9.1 Introduction to Hypothesis Testing
9.2 Neyman-Pearson Lemma-zhong
9.3 Wald Test_zhong
9.4 Lagrangian Multiplier (LM) Test
9.5 Likelihood Ratio Test
9.6 Illustrative Examples
Quiz 9
Chapter 10
10.1 Introduction
10.2 Empirical Studies and Statistical Inference
10.3 Important Features of Big Data
10.4 Big Data Analysis and Statistics