均值(mean)即序列的平均值,用序列数据的总和除以数据的 个数 中位数( median)即从小到大排列的序列的中间值。是对序 列分布中心的一个粗略估计 最大最小值( max and min)序列中的最大最小值。 标准差( Standard Deviation)标准差衡量序列的离散程度 计算公式如下 ∑(v-y) N-1 N是样本中观测值的个数,歹是样本均值
6 均值 (mean) 即序列的平均值,用序列数据的总和除以数据的 个数。 ( ) 2 1 1 1 ˆ y y N s i N i − − = = 中位数 (median) 即从小到大排列的序列的中间值。是对序 列分布中心的一个粗略估计。 最大最小值 (max and min) 序列中的最大最小值。 标准差（Standard Deviation） 标准差衡量序列的离散程度。 计算公式如下 N是样本中观测值的个数， y 是样本均值
偏度( Skewness)衡量序列分布围绕其均值的非对称 性。计算公式如下 ∑ Vi-y N O =5√(N-1)/N是变量方差的有偏估计。如果序列的分布是 对称的,S值为0;正的S值意味着序列分布有长的右拖尾,负的S 值意味着序列分布有长的左拖尾
7 偏度（Skewness） 衡量序列分布围绕其均值的非对称 性。计算公式如下 3 1 ˆ 1 − = = y y N S i N i 是变量方差的有偏估计。如果序列的分布是 对称的，S值为0；正的S值意味着序列分布有长的右拖尾，负的S 值意味着序列分布有长的左拖尾。 = s (N −1)/ N
峰度( Kurtosis)度量序列分布的凸起或平坦程度,计 算公式如下 K Vi=y N 意义同S中G,正态分布的K值为3。如果K值大于3, 分布的凸起程度大于正态分布;如果K值小于3,序列分布相对 于正态分布是平坦的
8 峰度（Kurtosis） 度量序列分布的凸起或平坦程度，计 算公式如下 4 1 ˆ 1 − = = y y N K i N i 意义同S中 ，正态分布的K值为3。如果K值大于3， 分布的凸起程度大于正态分布；如果K值小于3，序列分布相对 于正态分布是平坦的
Jarque-Bera检验检验序列是否服从正态分布。统计量 计算公式如下 N-k B= K-3 S为偏度,K为峰度,k是序列估计式中参数的个数 在正态分布的原假设下,J-B统计量是自由度为2的x2分布。 直方图中显示的概率值(P值)是J-B统计量超出原假设下的观测 值的概率。如果该值很小,则拒绝原假设。当然,在不同的显著 性水平下的拒绝域是不一样的
9 Jarque-Bera 检验 检验序列是否服从正态分布。统计量 计算公式如下 ( ) + − − = 2 2 3 4 1 6 S K N k JB S为偏度，K为峰度，k是序列估计式中参数的个数 在正态分布的原假设下，J-B统计量是自由度为2的 分布。 直方图中显示的概率值（P值）是J-B统计量超出原假设下的观测 值的概率。如果该值很小，则拒绝原假设。当然，在不同的显著 性水平下的拒绝域是不一样的。 2
§93统计量的检验 这部分是对序列均值、中位数、方差的单假设检验。选 择Ⅴ iew/tests for descriptive stats/simple hypothesis tests,就会 出现下面的序列分布检验对话框: Series distribution Tests Test value Mean test assumption- Mean Mean test will use a known standard parlance deviation if supplied Enter sd Median if known OK Cancel 10
10 §9.3 统计量的检验 这部分是对序列均值、中位数、方差的单假设检验。选 择View/tests for descriptive stats/simple hypothesis tests, 就会 出现下面的序列分布检验对话框：