Ôn Lại Xác Suất và Thống Kê
Trong chương này, chúng ta tóm tắt các khái niệm của xác suất và thống kê được sử dụng
trong kinh tế lượng. Bởi vì một số kiến thức trước đây của xác suất và thống kê cơ bản
được giả sử trong sách này, việc ôn lại này được thiết kế để phục vụ chỉ như là một sự
hướng dẫn lại các chủ đề được sử dụng trong các chương sau này. Điều đó không có nghĩa
là một sự nghiên cứu chặt chẽ và trọn vẹn về chủ đề này. Vì lý do này, chúng ta trình bày
rất ít các chứng minh. Để thay thế, chúng ta định nghĩa các khái niệm quan trọng dưới
tiêu đề “Định nghĩa” và tóm tắt các kết quả hữu dụng dưới tiêu đề “Các tính chất.” Muốn
có sự thảo luận chi tiết của các chủ đề, bạn nên tham khảo các cuốn sách tuyệt hảo được
liệt kê trong mục lục sách tham khảo ở cuối chương. Các phần được đánh dấu hoa thị (*)
có tính chất cao cấp hơn và có thể bỏ qua mà không mất đi ý nghĩa chính của nội dung
chủ đề:
Chương này ôn lại tất cả chủ đề có liên quan trong xác suất và thống kê. Nếu đã có
lúc do bạn đã học chủ đề này rồi, bạn nên lướt nhanh qua chương này để gợi nhớ lại. Tuy
nhiên, nếu bạn vừa mới hoàn thành một khóa học về các tài liệu này, chúng tôi đề nghị
bạn đọc Phần 2.1 đến 2.5 (đặc biệt chú trọng về đồng phương sai và sự tương quan được
thảo luận trong Phần 2.3) và tiếp đến đi vào trực tiếp Chương 3 hơn là đọc phần còn lại
của chương này. Bạn có thể quay lại để ôn những phần có liên quan của chương này khi
cần. Các phần trong Chương 2 song song với các phần trong Chương 3, và sự tham khảo
chéo này được chỉ định nhằm giúp cho một sự hoán đổi suôn sẻ giữa các phần có thể thực
hiện được. Điều này cho phép bạn hiểu lý thuyết kinh tế lượng cơ bản tốt hơn và đánh giá
đúng sự hữu ích của xác suất và thống kê một cách dễ dàng hơn
62 trang |
Chia sẻ: hongha80 | Lượt xem: 564 | Lượt tải: 0
Bạn đang xem trước 20 trang nội dung tài liệu Kinh tế lượng với các ứng dụng - Chương 2: Ôn lại xác suất và thống kê, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
bright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 43 Thục Đoan/Hào Thi
KIỂM ĐỊNH HAI PHÍA Cho H0: µ = µ0; H1: µ ≠ µ0. Lưu ý rằng giả thuyết ngược lại là
một giả thuyết hai phía, nghĩa là, µ có thể nằm về hai phía của µ0. Nhiều quyết định
trong kinh doanh và kinh tế đòi hỏi phải lập các giả thuyết hai phía. Chẳng hạn, một nhà
sản xuất lốp xe có thể muốn kiểm định xem tuổi thọ trung bình của lốp xe có bằng
30.000 dặm không. Có thể nhà sản xuất không biết trước được thông tin liệu tuổi thọ có
lớn hay hay bé hơn 30.000 dặm. Trong trường hợp này, đầu tiên phải lấy một mẫu ngẫu
nhiên các quan sát x1, x2, , xn. Chúng ta đã phát biểu trong tính chất 2.11c rằng trị
thống kê mẫu t = )//()( nsx µ− , trong đó x là trung bình mẫu và s là độ lệch chuẩn
mẫu như được định nghĩa trong Phương trình (2.9), tuân theo phân phối tn-1. Nếu giả
thuyết không là đúng, µ = µ0. Theo giả thuyết này, giá trị t được tính từ mẫu như sau
)//()( nsxt 0c µ−= ~ tn-1. Nếu trị trung bình quan sát được x khác biệt đáng kể so với
giả thuyết không µ = µ0, trị tính toán tc sẽ hoặc quá lớn hay quá nhỏ. Trong trường hợp
này, chúng ta bác bỏ H0. Từ bảng t ở Phụ lục A (Bảng A.2), tìm t*n-1(α/2), trong đó t* là
giá trị trong phân phối t với n – 1 bậc tự do sao cho P(t > t*) = α/2 và α là mức ý nghĩa
(thông thường là 0,01; 0,05; hoặc 0,10). Lưu ý rằng vì tính đối xứng của phân phối t, P(t
t*
hoặc tc < - t*. Các bước kiểm định được tóm tắt trong danh sách sau và được minh họa ở
hình 2.13.
} Hình 2.13 Kiểm định hai phía µ = µ0 so với µ ≠ µ0 trong phân phối chuẩn
Thủ tục kiểm định H0 so với H1
Bước 1 H0: µ = µ0; H1: µ ≠ µ0.
Bác bỏ H0
Vùng α/2
t*n-1(α/2) tn-1 0
f(tn-1)
Không bác bỏ H0
Vùng α/2
- t*n-1(α/2)
Bác bỏ H0
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 44 Thục Đoan/Hào Thi
Bước 2 Trị thống kê kiểm định là sxnt 0c /)( µ−= . Theo giả thuyết H0, trị này tuân
theo phân phối Student t với n – 1 bậc tự do.
Bước 3 Trong bảng t (Bảng A.2), tra giá trị tương ứng với n – 1 bậc tự do và mức ý
nghĩa α cho trước, và nhận được điểm t*n-1(α/2) sao cho P(t > t*) = α/2, tức là
P(t t*) = α, mức ý nghĩa được chọn trước.
Bước 4 Bác bỏ H0 nếu giá trị quan sát tc > t* hoặc t < - t*. Một cách tương đương, bác
bỏ nếu |tc| > t*.
Kiểm định này được gọi là kiểm định hai phía (hoặc thường được gọi hơn là kiểm
định hai đầu) vì giả thuyết ngược lại có thể nằm về hai phía của µ0 và vì giá trị của t*
được xác định sao cho vùng diện tích ở mỗi phía của phân phối t bằng với α/2 (xem Hình
2.13).
} Ví dụ 2.11
Trong ví dụ về bóng đèn, giả sử rằng giả thuyết ngược lại là µ ≠ 935. Giá trị t tính toán
vẫn là -1,67, và t*n-1(α/2) = t*24(0,025) = 2,064. Vì |tc| < t* chúng ta không bác bỏ giả
thuyết không µ = 935 và kết luận rằng tuổi thọ trung bình không khác 935 một cách đáng
kể.
Làm bài 2.20 và dò lại với các kết quả trong Phụ lục B.
Kiểm định Hệ số Tương quan giữa hai biến
Với hai biến, giả thuyết không là H0: ρxy = 0; nghĩa là, hệ số tương quan giữa hai biến X
và Y bằng 0. Giả thuyết ngược lại H1: ρxy ≠ 0. Nếu giả thuyết H0 không bị bác bỏ,
chúng ta kết luận rằng X và Y không tương quan. Trị thống kê kiểm định là Fc = [(n –
2)r2]/(1 – r2), trong đó r2 là bình phương của hệ số tương quan mẫu được tính theo
Phương trình (2.11). Theo giả thuyết không, giá trị này tuân theo phân phối F với hai
bậc tự do 1 và n – 2. Từ bảng F, tìm F*1, n – 2(α), điểm trên phân phối F sao cho vùng
diện tích về phía phải từ điểm đó có giá trị α, mức ý nghĩa. Bác bỏ H0 nếu trị tính toán
Fc > F*
Kiểm định này cũng có thể được thực hiện bằng kiểm định t. Từ tính chất 2.14b,
chúng ta lưu ý rằng trị thống kê F với 1 bậc tự do ở tử số tương đương với phân phối t2.
Kiểm định t tương đương là tính t*n-2(α/2) và bác bỏ H0 nếu tc = cF > t*.
} VÍ DỤ 2.12
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 45 Thục Đoan/Hào Thi
Giả sử hệ số tương quan giữa điểm SAT về toán và điểm lập luận đối với một mẫu gồm
427 sinh viên là r = 0,42. Do đó, r2 = 0,1764, và trị thống kê F là
Fc = 425x0,1764/(1 – 0,1764) = 91,027 ~ F(1, 425)
Từ bảng A.4a chúng ta thấy rằng với mức ý nghĩa 1%, giá trị tới hạn F* nằm giữa
6,63 và 6,85. Có thể dễ dàng nhận thấy từ giá trị F* là Fc cực kỳ có ý nghĩa, nghĩa là
chúng ta bác bỏ giả thuyết không ρxy = 0. Nghĩa là hai cột điểm tương quan với nhau
một cách có ý nghĩa.
Những kiểm định khác như sự khác biệt về các trị trung bình và phương sai không
được trình bày ở đây. Tham khảo Ramanathan (1993, trang 225-227) về những kiểm
định này.
(Ứng dụng của các khái niệm kiểm định giả thuyết trong phân tích hồi quy có thể
được tìm thấy ở Phần 3.5 và sau đó tiếp tục phần 2.9)
} 2.9 Ước Lượng Khoảng
Các thủ tục ước lượng được thảo luận trong phần trước đây cho biết một giá trị ước lượng
đơn của các thông số chưa biết của một phân phối. Những giá trị này được gọi là các
ước lượng điểm. Trị trung bình mẫu và phương sai mẫu là các ví dụ về ước lượng điểm.
Mặc dù ước lượng điểm cung cấp những thông tin hữu ích, chúng chứa đựng những sai
số. Phương sai của các ước lượng đo lường tính bất định này và cho biết độ chính xác mà
ước lượng được thực hiện. Ước lượng khoảng là một cách trực tiếp xét đến tính bất định
này. Thay vì cung cấp một ước lượng đơn, ước lượng khoảng sẽ cung cấp một khoảng
các giá trị có thể có. Ví dụ, thay vì nói chỉ số lạm phát năm tới được kỳ vọng là 3,3%,
chúng ta sẽ nói với một xác suất nào đó lạm phát sẽ dao động trong khoảng từ 3 đến
3,5%. Khoảng này được gọi là khoảng tin cậy; nó sẽ được minh họa trong phần thảo
luận sau thông qua một ví dụ về trị trung bình của phân phối chuẩn.
Khoảng Tin Cậy Của Trị Trung Bình Trong Phân Phối Chuẩn
Tính chất 2.10a cho biết nếu một biến ngẫu nhiên X tuân theo phân phối chuẩn N(µ, σ2),
thì trị trung bình mẫu x sẽ tuân theo phân phối chuẩn N(µ, σ2/n). Hơn nữa, từ tính chất
2.15c ta có biến )//()( nsx µ− tuân theo phân phối Student t với n – 1 bậc tự do (s là độ
lệch chuẩn của mẫu). Nói cách khác, t = )//()( nsx µ− ~ tn-1. Gọi t* là điểm nằm trên
phân phối t sao cho vùng diện tích bên phải của t* là 0,025 (nghĩa là 2 ½ %). Vì phân
phối t đối xứng qua 0, cho nên vùng diện tích phía trái của – t* cũng là 0,025. Vì vậy,
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 46 Thục Đoan/Hào Thi
P(– t* ≤ t ≤ t*) = 0,95. Thay t ở dạng trị trung bình mẫu và độ lệch chuẩn mẫu vào, chúng
ta có biểu thức xác suất sau:
P(– t* ≤
ns
x
/
µ− ≤ t*) = 0,95
Nhân các vế với ns / và sắp xếp lại các số hạng ta có
P[ x - ( ns / )t* ≤ µ ≤ x + ( ns / )t*] = 0,95
Điều này có nghĩa là giá trị thực của thông số µ nằm trong khoảng x ± ( ns / )t*
với xác suất 95%. Khoảng này được gọi là khoảng tin cậy 95% của µ. Nên lưu ý rằng
khoảng tin cậy là một khoảng ngẫu nhiên vì các điểm mút của khoảng bản thân cũng là
các biến ngẫu nhiên. Diễn dịch của khoảng tin cậy như sau. Nếu chúng ta lập lại thí
nghiệm lấy một mẫu ngẫu nhiên và tính khoảng tin cậy nhiều lần, thì 95% số khoảng tin
cậy sẽ chứa giá trị thực của µ. Sự chọn lựa mức tin cậy nằm trong phạm vi quyết định
của người phân tích. Nếu các dự báo rất chính xác là không nhất thiết, chúng ta có thể
chọn khoảng tin cậy 90%. Nên lưu ý rằng khi kích thước mẫu n tăng, độ rộng của
khoảng tin cậy nhỏ lại. Tương tự, khi sai số chuẩn ước lượng (s) giảm, khoảng tin cậy
giảm độ rộng. Nói cách khác, với một mức tin cậy cho trước, kích thước mẫu càng lớn
hoặc sai số chuẩn càng nhỏ, khoảng tin cậy càng hẹp và do đó độ chính xác củaiá trị ước
lượng càng lớn.
} VÍ DỤ 2.13
Giả sử rằng tuổi thọ trung bình của bóng đèn tròn được ước lượng là 450 giờ và độ lệch
chuẩn ước lượng là 25 giờ. Ở đây, x = 450 và s = 25. Cho cỡ mẫu (n) là 25. Từ bảng t
trong Phụ lục A (Bảng A.2), chúng ta thấy rằng với 24 bậc tự do (tức là n –1) t* = 2,064
với vùng diện tích 2.5% về phía phải của nó. Vì vậy, khoảng ước lượng 95% bằng 450 ±
(25/ 25 )2,064, hay khoảng (439,68; 460,32)
Quan Hệ giữa Kiểm Định Giả Thuyết và Khoảng Tin Cậy
Tồn tại một quan hệ chặt chẽ giữa kiểm định hai phía và khoảng tin cậy. Trong ví dụ
bóng đèn (2.10), chúng ta có thể tính khoảng tin cậy cho tuổi thọ của bóng đèn. Chúng
ta lưu ý rằng khoảng tin cậy đối với µ là [ x - ( ns / )t* , x + ( ns / )t*], trở thành [917 ±
(54/5)2,064] hoặc (895; 939). Đây là khoảng tin cậy 95% của trị trung bình của tuổi thọ
bóng đèn. Chúng ta có nhận xét rằng khoảng này chứa µ0 = 935. Trong trường hợp này,
chúng ta không bác bỏ giả thuyết không. Ví dụ này cho thấy rằng kiểm định giả thuyết
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 47 Thục Đoan/Hào Thi
có thể được thực hiện theo một cách khác tương đương bằng cách sử dụng khoảng tin
cậy. Các bước thực hiện được liệt kê ra sau đây:
Bước 1 Từ trị thống kê kiểm định, xây dụng khoảng tin cậy 1 – α cho thông số đang
quan tâm (α là mức ý nghĩa).
Bước 2 Bác bỏ giả thuyết không nếu khoảng tin cậy này không chứa giá trị của thông số
trong giả thuyết không. Nếu khoảng tin cậy có chứa giá trị tương ứng với H0,
giả thuyết không không thể bị bác bỏ.
(Xem Phần 3.8 về ứng dụng của khoảng tin cậy đối với các thông số hồi quy.)
Thuật Ngữ
Acceptance region
Alternative hypothesis
Binomial distribution
Central limit theorem
Chain rule of differentiation
Chi-square (χ2) distribution
Coefficient of variation
Conditional expectation of Y given X
Conditional probability
Conditional probability density function
Conditional variance
Conditional interval
Consitency
Correlation
Correlation coefficient
Covariance
Critical region
Critial value
Degrees of freedom (d.f.)
Distribution of the sample mean
Distribution of the sample variance
Efficiency
Estimate
Estimator
Expected value of X
F-distribution
First central moment
Vùng chấp nhận
Giả thuyết ngược lại
Phân phối nhị thức
Định lý giới hạn trung tâm
Quy tắc chuỗi đạo hàm
Phân phối Chi bình phương
Hệ số biến thiên
Kỳ vọng có điều kiên của Y với X cho
trước
Xác suất có điều kiện
Hàm mật độ xác suất có điều kiện
Phương sai có điều kiện
Khoảng có điều kiện
Tính nhất quán
Sự tương quan
Hệ số tương quan
Đồng phương sai
Vùng tới hạn
Giá trị tới hạn
Bậc tự do (d.f.)
Phân phối của trung bình mẫu
Phân phối của phương sai mẫu
Tính hiệu quả
Giá trị ước lượng
Ước lượng
Giá trị kỳ vọng của X
Phân phối F
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 48 Thục Đoan/Hào Thi
Frequency distribution
Histogram
Independent, identically distributed (iid)
Interval estimation
Law of iterated expectation
Law of large numbers
Level of significance
Marginal cost
Marginal density of X
Mean of a distribution
Mean squared error
Method of least squares
Method of moment
Most powerful test
Nonrejection region
Normal distribution
Null hypothesis
One-sided alternative
One-sided test
One-tailed test
Ordinary least square (OLS)
Parent population
Partial derivative
Perfectly correlated
Phillips curve
Point estimates
Population mean
Population moments
Population parameter
Population variance
Power of a test
Probability density function (PDF)
Probability distribution
Random sampling
Random variable
Regression of Y on X
Sample correlation coefficient
Sample covariance
Sample mean
Sample moments
Mômen trung tâm bậc 1
Phân phối tần suất
Biểu đồ tần số
Phân phối giống nhau, độc lập
Ước lượng khoảng
Luật kỳ vọng lập lại
Luật số lớn
Mức ý nghĩa
Chi phí cận biên
Mật độ cận biên của X
Trị trung bình của một phân phối
Sai số bình phương trung bình
Phương pháp bình phương nhỏ nhất
Phương pháp mômen
Kiểm định mạnh nhất
Vùng không bác bỏ
Phân phối chuẩn
Giả thuyết không
Giả thuyết ngược lại một phía
Kiểm định một phía
Kiểm định một đầu
Bình phương nhỏ nhất thông thường
Tổng thể
Vi phân riêng phần
Tương quan hoàn hảo
Đường cong Phillips
Giá trị ước lượng điểm
Trung bình tổng thể
Mômen tổng thể
Thông số tổng thể
Phương sai tổng thể
Năng lực của kiểm định
Hàm mật độ xác suất
Phân phối xác suất
Lấy mẫu ngẫu nhiên
Biến ngẫu nhiên
Hồi quy của Y theo X
Hệ số tương quan mẫu
Đồng phương sai mẫu
Trung bình mẫu
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 49 Thục Đoan/Hào Thi
Sample standard deviation
Second central moment
Size of a test
Standard deviation (s.d.)
Standard error
Standardized normal
Standard normal distribution
Statistically independent
Statistical test
Student’s t-distribution
Test statistic
Two-sized test
Two-tailed test
Type I error
Type II error
Unbiased
Uncorrelated
Variance of the distribution
Z-score
Mômen mẫu
Độ lệch chuẩn mẫu
Mômen trung tâm bậc 2
Kích thước của một kiểm định
Độ lệch chuẩn
Sai số chuẩn
Chuẩn chuẩn hóa
Phân phối chuẩn chuẩn hóa
Độc lập thống kê
Kiểm định thống kê
Phân phối Student t
Trị thống kê kiểm định
Kiểm định hai phía
Kiểm định hai đầu
Sai lầm loại I
Sai lầm loại II
Không thiên lệch
Không tương quan
Phương sai của một phân phối
Giá trị Z
2.A PHỤ LỤC
Các Kết Quả Tính Toán Khác
2.A.1 Một Số Kết Quả Hữu Ích Của Phép Tính Tổng
Phép tính tổng được sử dụng nhiều trong xác suất, thống kê và kinh tế lượng, vì vậy, việc
tóm tắt một số tính chất của phép tính tổng là rất cần thiết. Tổng X1 + X2 + + Xn được
thể hiện bằng ký hiệu Σt = nt = 1 Xt, với n là tổng số các số hạng trong tổng và Xt là một số
hạng đặc trưng trong tổng. Giá trị trung bình số học của các X thường được ký hiệu là X
_
= (∑Xt/n). Một vài tính chất đơn giản nhưng rất hữu ích của phép tính tổng được trình
bày trong phần này.
Tính chất 2.A.1
Nếu k là một hằng số thì Σt = nt = 1 k = nk
Vì có n số hạng, mỗi số hạng là một hằng số k, kết quả rõ ràng như trên.
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 50 Thục Đoan/Hào Thi
Tính chất 2.A.2
Nếu k là một hằng số, thì Σt = nt = 1 kXt = kΣt = nt = 1 Xt.
Vì mỗi số hạng có một hằng số k, nên có thể đặt k làm nhân tử chung.
Tính chất 2.A.3
(Xt + Yt) =
∑t = n
t = 1
Xt +
∑t = n
t = 1
Yt
Tính chất 2.A.4
Nếu X
_
= (∑Xt) / n là giá trị trung bình, thì ∑t = n
t = 1
(Xt –X
_
) = 0.
Vì vậy, tổng các sai lệch so với giá trị trung bình là bằng không.
CHỨNG MINH
∑ (Xt – X
_
) = ( ∑Xt) – (∑ X
_
) = (∑Xt) – nX
_
vì X
_
đều như nhau đối với mỗi giá trị t. Nhưng từ định nghĩa của X
_
, nX
_
= ∑Xt. Do đó,
hai số hạng cuối cùng triệt tiêu lẫn nhau và vì vậy ∑(Xt – X
_
) = 0.
2.A.2. Cực Đại và Cực Tiểu
Việc ước lượng các thông số chưa biết của một phân phối thường liên quan đến cực đại
hoặc cực tiểu một số hàm mục tiêu. Ví dụ, khi ước lượng các mối quan hệ, một mục tiêu
quan trọng là tìm được “mối quan hệ phù hợp nhất”, đó là mối quan hệ có sai số nhỏ
nhất. Trong phần này chúng ta trình bày các phương pháp cực đại hoặc cực tiểu các hàm
mục tiêu; việc này đặc biệt hữu ích khi nhà nghiên cứu có những ràng buộc về các vấn
đề nghiên cứu. Các nguyên lý căn bản trước tiên được nghiên cứu đối với trường hợp
đơn giản, chỉ liên quan đến một biến và không có ràng buộc nào. Sau đó, các nguyên lý
này được mở rộng cho nhiều biến và cho trường hợp có ràng buộc.
Các Hàm Số, Đạo Hàm, Cực Đại Và Cực Tiểu
Tương quan tổng quát của một biến phụ thuộc (Y) và một biến độc lập (X) được trình
bày dưới dạng một hàm số ký hiệu bằng biểu thức Y = F(X). Lúc này, chúng ta chỉ tập
trung chú ý các hàm số liên quan đến một biến đơn. Chúng ta sẽ giả sử là F(X) là hàm
liên tục; nghĩa là, F(X) không “nhảy” khi X chỉ thay đổi trong một khoảng xác định.
Một hàm được gọi là tăng đơn điệu nếu Y tăng khi và chỉ khi X tăng (xem Hình 2.A.1).
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 51 Thục Đoan/Hào Thi
Một ví dụ về hàm tăng đơn điệu là một đường cung. Nếu Y giảm khi X tăng, như trong
Hình 2.A.2, hàm số được gọi là giảm đơn điệu (đường cầu là một ví dụ). Trong Hình
2.A.1, xét hai điểm A và B có tọa độ là (X1, Y1) và (X2, Y2). Tỷ số (Y2 – Y1) / (X2 – X1)
là độ dốc của đường thẳng nối hai điểm A và B, đường này cắt đồ thị hàm số tại A và B.
Tỷ số này đo lường sự thay đổi của Y theo một đơn vị thay đổi của X. Tỷ số này còn
được ký hiệu là ∆Y/∆X, với ∆Y = Y2 – Y1 là thay đổi của Y và ∆X = X2 – X1 là thay đổi
của X. Giả sử chúng ta làm cho ∆X ngày càng nhỏ hơn đến cuối cùng thì A và B gặp
nhau tại X. Cuối cùng, đường thẳng AB chỉ tiếp xúc với đồ thị của F(X). Đây chính là
tiếp tuyến của đường cong tại điểm X; hệ số góc của tiếp tuyến được gọi là đạo hàm của
Y theo X. Hệ số này được viết dưới dạng đại số như là giới hạn của ∆Y/∆X khi ∆X tiến
tới 0, và được ký hiệu là dY/dX hoặc là F ’(x). Vì vậy chúng ta có định nghĩa sau.
ĐỊNH NGHĨA 2.A.1
Đạo hàm của Y theo X được định nghĩa là
dY
dX = F’(X) = lim∆X→ 0
∆Y
∆X với điều kiện tồn tại giới hạn
Nếu tồn tại giới hạn, F(X) được gọi là có đạo hàm tại X. Ví dụ, giả sử X là tổng lượng
hàng hoá sản xuất của một công ty và Y là tổng chi phí sản xuất lượng hàng hóa
này.Vậy, F(X) là hàm tổng chi phí và đạo hàm, dY/dX, là chi phí gia tăng khi sản xuất
thêm một đơn vị hàng hóa, trong kinh tế lượng đại lượng này được gọi là chi phí cận
biên. Từ Hình 2.A.1 và 2.A.2 cần lưu ý là đạo hàm F’(X) không nhất thiết phải là hằng
số nhưng phải phụ thuộc vào giá trị X mà tại giá trị đó đạo hàm được tính. Do đó chúng
ta có thể lấy đạo hàm F’(X) một lần nữa và được F”(X) = d2Y/dX2, miễn là đạo hàm bậc
hai này tồn tại.
} Hình 2.A.1 Hàm Số Tăng Đơn Điệu
F(X)
B
(X1, Y1)
A
Y2
Y1
X1 X X2
(X2, Y2)
F(X)
X
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 52 Thục Đoan/Hào Thi
} Hình 2.A.2 Hàm Số Giảm Đơn Điệu
Trong Hình 2.A.1 đạo hàm dương đối với mọi X trong miền xác định của F(X).
Tương tự, đạo hàm này luôn âm trong Hình 2.A.2. Chúng ta đã thấy đối với một hàm
đơn điệu đạo hàm luôn luôn có cùng một dấu. Trong Hình 2.A.3a chúng ta lưu ý là F(X)
không phải là hàm đơn điệu mà lần lượt tăng rồi giảm (ví dụ như tỷ lệ thất nghiệp). Đầu
tiên, hệ số góc là dương, sau đó chuyển sang âm và sau đó lại trở lại dương. Các điểm A
và B có tính chất là hệ số góc của tiếp tuyến bằng 0. Vì vậy, F’(X) = 0 tại những điểm
này. Chúng ta lưu ý là tại A, F(X) đạt cực đại cục bộ và tại B hàm số đạt cực tiểu cục
bộ. Một điều kiện cần để có cực trị cục bộ (nghĩa là cực đại hoặc cực tiểu) là đạo hàm
bậc nhất F’(X) phải bằng 0. Điều kiện này, được gọi là điều kiện bậc nhất, không phải là
điều kiện đủ để xác định xem F(X) đạt cực đại hay cực tiểu. Hình 2.A.3b biểu diễn
F’(X), và chúng ta lưu ý là đạo hàm này đầu tiên thi giảm nhưng sau đó lại tăng. Độ dốc
của F’(X) là đạo hàm bậc hai F”(X) có giá trị âm tại A và dương tại B. Để phân biệt
giữa một cực đại và một cực tiểu, chúng ta cần điều kiện bậc hai là đạo hàm bậc hai
F”(X) phải âm tại điểm mà tại đó đạo hàm bậc nhất F’(X) = 0 thì hàm F(X) mới đạt cực
đại. Để hàm số đạt cực tiểu thì điều kiện bậc hai là F”(X) dương tại điểm mà F’(X) = 0.
Chúng ta phát biểu mà không cần chứng minh một số kết quả hữu ích từ các đạo
hàm.
Tính chất 2.A.5
F(X)
F(X)
X
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 53 Thục Đoan/Hào Thi
a. Đạo hàm của một hằng số bằng không
b. Đạo hàm của tổng F(X) + G(X) bằng tổng của các đạo hàm F’(X) + G’(X).
c. Nếu a là một hằng số, đạo hàm của aF(X) bằng aF’(X).
d. Đạo hàm của hàm số mũ Xm bằng mXm –1. Một trường hợp đặc biệt của tính chất này là
đạo hàm của X (nghĩa là X1/2 ) bằng 1 / (2 X ), hoặc
1
2 X
-1/2. Tương tự, đạo hàm của 1
/ X (nghĩa là X-1) bằng −1 / X2 (nghĩa là −X− 2).
e. Nếu Y = F(Z) và Z = G(X) thì
dY
dX =
dY
dZ
dZ
dX = F’G’ = F’(Z) G’(X) = F’[G(X)]G’(X).
[Kết quả này được gọi là qui luật dây chuyền của vi phân.]
f. Theo nguyên tắc nhân sai phân, đạo hàm của F(X)G(X) bằng F(X)G’(X) + G(X)F’(X).
g. Theo nguyên tắc chia sai phân, đạo hàm của tỷ số F(X) / G(X) bằng [G(X)F’(X) −
F(X)G’(X)] / [G(X)]2.
} Hình 2.A.3
a. Đồ thị hàm số không đơn điệu
b. Đồ thị F’(X)
B
A
F(X)
F(X)
X
A B
F(X)
X
F(X)
Chương trình Giảng dạy Kinh tế Fulbright
Niên khóa 2003-2004
Phương pháp phân tích
Bài đọc
Nhập môn kinh tế lượng với các ứng dụng
Chương 2: Ôn lại xác suất và thống kê
Ramu Ramanathan 54 Thục Đoan/Hào Thi
Ứng Dụng
Giả sử một công ty có một hàm chi phí C(q) (mối quan hệ giữa tổng chi phí và sản
lượng), với q là số lượng sản phẩm sản xuất được. Hơn nữa, giả sử là công ty này hoạt
động trong một ngành mạnh và có thể bán sản phẩm ở mức giá thị trường cố định p ch
Các file đính kèm theo tài liệu này:
- ramach2_5026.pdf