پاورپوینت فصل اول 1 (مروری بر مفاهیم پایه ای آمار و نرم افزارهای Eviews و Stata ) اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف علی سوری ,

پاورپوینت فصل اول 1 (مروری بر مفاهیم پایه ای آمار و نرم افزارهای Eviews و Stata ) اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف علی سوری در قالب ppt و در 78 اسلاید و قابل ویرایش

فهرست مطالب
-مقدمه
-نمونه تصادفی
توزیع مشترک متغیرهای نمونه با توزیع مشترک نمونه تصادفی
تابعی از متغیرهای نمونه (آماره)
تحمين
تخمین و تخمین زننده
روشهای تامین
روش گشتاورها
روش حداکثر درستنمایی
روش حداقل مربعات معمولی
خواص تخمین زننده ها
بدون تورش با تاریب بودن
کارایی (حداقل واریانس)
سازگاری
کفایت
تخمین فاصله ای
آزمون فرضیه
خطای نوع اول و نوع دوم
مروری بر توزیع های مهم
توزیع نرمال استاندارد
توزیع کاری دو
-توزيع t
توزیع F
حالت های خاص توزیع های 2χ، t و F
انواع داده ها
آشنایی مقدماتی با نرم افزار Eviews

۱-۱ مقدمه
در این فصل ابتدا مروری به برخی از مفاهیم پایه ای و توابع آماری که استفاده گسترده ای در اقتصاد سنجی ،دارند خواهیم داشت. سپس به معرفی اجمالی نرم افزارهای Eviews و Stata و اصول مقدماتی آنها میپردازیم سایر کاربردهای این نرم افزار در فصول بعدی و همراه با مباحث ،مربوطه ارائه خواهند شد.
2-1 نمونه تصادفی
نمونه تصادفی قسمتی از جامعه آماری است که به طور تصادفی انتخاب می‌شود. در اینجا لازم است دو مفهوم را از هم متمایز کنیم که یکی نمونه مشاهده شده» و دیگری «نمونه تصادفی» است. نمونه مشاهده شده فقط شامل اعداد و ارقامی است که بعد از نمونه گیری به دست می‌آیند. اما نمونه تصادفی به مرحله قبل از نمونه گیری مربوط میشود و نمیدانیم که چه مقادیری را مشاهده خواهیم کرد.

مثال 1-1: فرض کنید که جامعه آماری شامل ۳ دانشجو است که نمرات آنها در درس آمار شامل ۱۰، ۱۲ و ۱۵ است. لذا ۳ بوده و میخواهیم نمونه ای به حجم ۲=n با روش جایگزینی انتخاب کنیم .بدیهی است که یکبار نمونه گیری را انجام خواهیم داد و بعد از انجام نمونه گیری فقط دو عدد (نمره) به دست خواهد آمد. اما قبل از انجام نمونه گیری نمی‌دانیم که کدام دو عدد (نمره) را به دست خواهیم آورد. لذا نمونه تصادفی شامل متغیرهای تصادفی X و نمونه مشاهده شده شامل اعداد یا مقادیر (X1X2) خواهد بود توجه شود که بیانگر انتخاب اول و X2 بیانگر انتخاب دوم است. تمامی نتایج ممکن برای (X1X2) به صورت زیر است:

بنابراین (32)=9 نتیجه ممکن خواهیم داشت. بدیهی است که فقط یک بار نمونه گیری انجام می‌شود و لذا «نمونه مشاهده شده» فقط شامل یکی از نمونه های فوق خواهد بود.
بنابراین نمونه تصادفی را به صورت زیر تعریف میکنیم
«نمونه تصادفی مجموعه ای از n متغیر تصادفی (X1, X2, …,Xn) است که مستقل از هم بوده و توزیع آنها با توزیع X در جامعه آماری یکسان است.»
3-1- توزیع مشترک متغیرهای نمونه یا توزیع مشترک نمونه تصادفی
یکی از نکات مهم در رابطه با نمونه تصادفی این است که هر متغیر نمونه (یعنی X) دقيقاً همان ویژگی های متغیر تصادفی در جامعه اصلی را دارد به عنوان مثال فرض کنید جامعه آماری شامل ۱۰ نفر (۱۰N=) باشد که متغیر تصادفی X بیانگر بیسوادی اعضای این جامعه است:
بی سواد X=1
باسواد X=0
بنابراین اگر نسبت بیسوادی برابر با p باشد در این صورت اگر یک نفر را از این جامعه انتخاب کنیم، احتمال اینکه بیسواد باشد (یا احتمال اینکه x=1 باشد) برابر با p است و در غیر این صورت برابر با و یا 1-pاست.