《概率论与统计学》PDF下载

  • 购买积分:15 如何计算积分?
  • 作  者:洪永淼著
  • 出 版 社:北京:中国统计出版社
  • 出版年份:2017
  • ISBN:9787503781063
  • 页数:459 页
图书介绍:概率论与数理统计学在经济学、金融学、管理学等学科中有广泛应用。与微积分和线性代数一样,概率论与数理统计学是不可或缺的经济数学工具。本书旨在为经济类、管理类研究生提供必要的概率论与数理统计下基础知识,包括概率论基础、随机变量及其概率分布、重要概率分布及其相互关系、多元概率分布、统计抽样导论、收敛于极限定理、参数估计及其评估、参数假说检验以及经典线性回归模型等。

第一章 导论 1

第一节 概率论与现代统计学 1

第二节 经济学的定量分析 2

第三节 经济统计分析的基本公理 3

第四节 统计分析在经济学的作用 6

第五节 统计分析在经济学的应用局限 8

第六节 小结 9

练习题一 9

第二章 概率论基础 10

第一节 随机试验 10

第二节 概率论的基本概念 11

第三节 集合理论概述 12

第四节 概率论基础 15

2.4.1 概率的解释 17

2.4.2 基本概率法则 18

第五节 计数方法 23

2.5.1 排列 24

2.5.2 组合 26

第六节 条件概率 31

第七节 贝叶斯定理 36

第八节 独立性 39

第九节 小结 45

练习题二 45

第三章 随机变量和一元概率分布 49

第一节 随机变量 49

第二节 累积分布函数 53

第三节 离散随机变量 59

第四节 连续随机变量 63

第五节 随机变量的函数 69

3.5.1 离散情形 70

3.5.2 连续情形 71

第六节 数学期望 84

第七节 矩 86

第八节 分位数 95

第九节 矩生成函数 97

第十节 特征函数 106

第十一节 小结 108

练习题三 109

第四章 重要概率分布 116

第一节 引言 116

第二节 离散概率分布 116

4.2.1 伯努利分布 116

4.2.2 二项分布 117

4.2.3 负二项分布 120

4.2.4 几何分布 121

4.2.5 泊松分布 122

第三节 连续概率分布 126

4.3.1 均匀分布 126

4.3.2 贝塔分布 128

4.3.3 正态分布 130

4.3.4 柯西与稳态分布 135

4.3.5 对数正态分布 137

4.3.6 伽玛分布与广义伽玛分布 140

4.3.7 卡方分布 143

4.3.8 指数分布与韦伯分布 144

4.3.9 指数分布 147

第四节 小结 148

练习题四 148

第五章 多元随机变量及其概率分布 152

第一节 随机向量及其联合概率分布 152

5.1.1 离散情形 153

5.1.2 连续情形 156

第二节 边际分布 161

5.2.1 离散情形 161

5.2.2 连续情形 163

第三节 条件分布 166

5.3.1 离散情形 167

5.3.2 连续情形 168

第四节 独立性 172

第五节 二元变换 180

第六节 二元正态分布 192

第七节 期望与协方差 195

第八节 联合矩生成函数 204

第九节 独立性和期望 206

5.9.1 独立性和矩生成函数 206

5.9.2 独立性和不相关性 209

第十节 条件期望 215

第十一节 小结 228

练习题五 229

第六章 统计抽样理论导论 238

第一节 总体与随机样本 238

第二节 样本均值的抽样分布 243

第三节 样本方差的抽样分布 247

第四节 学生t-分布 256

第五节 F分布 264

第六节 充分统计量 267

第七节 小结 276

练习题六 277

第七章 收敛和极限定理 281

第一节 极限和数量级 281

第二节 收敛概念的必要性 284

第三节 依二次方均值收敛和Lp-收敛 286

第四节 依概率收敛 287

第五节 几乎处处收敛 294

第六节 依分布收敛 299

第七节 中心极限定理 304

第八节 小结 316

练习题七 316

第八章 参数估计和评估 320

第一节 总体与分布模型 320

第二节 极大似然估计 323

第三节 极大似然估计的渐近性质 328

第四节 矩方法与广义矩方法 336

8.4.1 矩估计法 336

8.4.2 广义矩估计方法 339

第五节 广义矩估计方法的渐近性质 342

第六节 均方误准则 346

第七节 最优无偏估计量 349

第八节 Cramer-Rao下界 355

第九节 小结 363

练习题八 364

第九章 假设检验 370

第一节 假设检验导论 370

第二节 Neyman-Pearson引理 376

第三节 Wald检验 381

第四节 拉格朗日乘子检验 384

第五节 似然比检验 387

第六节 说明性例子 390

9.6.1 伯努利分布下的假设检验 390

9.6.2 正态分布下的假设检验 393

第七节 小结 395

练习题九 396

第十章 经典线性回归分析 398

第一节 经典线性回归模型 398

第二节 普通最小二乘(OLS)估计 402

第三节 拟合优度和模型选择准则 404

第四节 OLS估计量的无偏性和有效性 409

第五节 OLS估计量的抽样分布 414

第六节 OLS估计量的方差-协方差估计 416

第七节 参数假设检验 419

10.7.1 t-检验 421

10.7.2 F-检验 425

第八节 应用与重要特例 430

10.8.1 检验所有解释变量的联合显著性 430

10.8.2 检验遗漏变量 432

10.8.3 检验线性参数约束 435

第九节 广义最小二乘估计 435

第十节 小结 442

练习题十 442

第十一章 结论 449

练习题十一 452

参考文献 453