小样本DW统计量的分布特征
张晓峒1赵初晓2
(1. 南开大学国际经济研究所, 天津 300071)
(2. 天津大学管理学院, 天津 300072)
摘要：本文用模特卡罗模拟方法研究了样本容量在54以下的DW统计量的分布特征，
并给出小样本DW检验临界值表。同时用DW检验提出了一个判别最小二乘估计中是
否存在虚假回归的有效方法。
关键词：模特卡罗模拟，DW分布，非平稳性，协整
Distribution of Small Sample DW Statistic
Zhang Xiaotong1Zhao Chuxiao2
(1. Institute of International Economics, Nankai University, Tianjin 300071)
(2. Management School, Tianjin University, Tianjin 300072)
Abstract In this paper we investigated the DW distribution with sample size under 54 by
Monte Carlo simulation method and gave a critical table for small sample DW test. Based
on that we proposed a method for recognizing spurious regression in ordinary least squares
estimation.
Keywords: Monte Carlo simulation, DW distribution, nonstationary, cointegration
1．概述
八十年代以来，Engle-Granger (1987), Engle-Yoo (1987) 和Sargan-Bhargava (1983)都曾提及用DW统计量检验非平稳变量间的协整性问题。在Sargan-Bhargava (1983)中还专门给出一个DW协整检验用表。但在这些论文中均未对小样本DW统计量的分布特征给与研究。
本文采用蒙特卡罗模拟方法对小样本DW统计量的分布特征进行了充分、详细的研究。样本容量分别取为10，20，30，40和50。变量的设定分为三种情形：一. 所涉及的两个变量都取自I(1)过程；二. 所涉及的两个变量中一个取自I(1)过程，一个取自I(0)过程；三. 所涉及的两个变量都取自I(0)过程。
在有些国家以年为单位的时间序列的最大可观测值个数并不是很大，所以对小样本DW 统计量分布特征的研究有着非常重要的理论与现实意义。
本文结构如下。第二节推导两个I(1)变量进行最小二乘回归后，由残差计算的DW统计量的极限分布表达式，第三节介绍蒙特卡罗模拟结果及其分析，第四节给出实例，第五节给出结论。
2．DW统计量的极限分布
给定如下随机数据生成系统，
y t = y t -1 + u t , y 1 = 0, （1） x t = x t -1 + v t , x 1 = 0, （2）
其中u t , v t ~ I(0), E(u t ) = E(v t ) = 0; E(u i u j ) = 0, i ≠ j ,? i, j 。则y t 和x t 为相互独立的两个I(1)过程。 建立如下回归模型：
y t = β0 + β1x t + w t . （3）
当对上式进行最小二乘估计时，会产生虚假回归问题。用随机误差w t 的最小二乘估计值t w ?构造DW 统计量，
∑
∑==--=
T
t t T
t t t
w
w w
DW 1
222
1
?)??(2
1
2
1
12
11
1
)](?)[(w
t t T t t t s T x x y y T T --=------=∑
β
2
12
2
11
1
)?(w
T t t
t s T v u T T -=--∑
-=β （4）
因为当T → ∝ 时，1
?β必然接近于零，上式中分子为O p (1)，而分母T -1s w 2也是O p (1)，所以DW 统计量是O p (T -1)的。当T → ∝ 时，有
DW ? 0.
即当用两个I(1)变量进行如模型(3)形式的回归时，DW 统计量的极限分布为零。
3．小样本DW 分布的蒙特卡罗模拟及其结果分析
当样本为有限样本，特别是小样本时，DW 统计量的分布与其极限分布有着很大不同。由于上述条件下的DW 统计量的分布无法用解析的方法求解，本文用蒙特卡罗模拟方法对DW 统计量的小样本分布特征进行了研究。
以模型(3)为基础，除了以y t ，x t ~ I(1)为条件对DW 分布（记为DW(1,1)）进行模拟外，还分别以y t ~ I(1)，x t ~ I(0) 和y t ，x t ~ I(0)为条件进行了模拟（分别记为DW(1,0) 和DW(0,0)）。
由于DW(0,0)就是通常意义的DW 统计量，所以只模拟样本容量T = 10, 40两种情形。对于DW(1,1)和DW(1,0)，分别取T = 10, 20, 30, 40和50进行了模拟。在每个样本容量条件下各模拟1000次。所得结果见表一。
首先见表一的第三部分，先分析DW(0,0) 的分布特征。由于DW(0,0) 就是通常意义的DW 统计量，所以模拟结果表明，一. DW(0,0)分布的均值为2，不受样本容量大小的影响；二.分布是对称的，相应JB 值（表中最后一列）说明小样本DW(0,0)统计量的分布与正态分布相当近似。三. 随着样本容量的增大，分布的标准差逐步减小。
见表一的第一、二部分。小样本DW(1,1)和DW(1,0)统计量有着相似的分布特征。一. 分布均为右偏态，分布左侧有端点，端点为零；二. 随着样本容量的增大，DW(1,1)和DW(1,0)分布的右偏倚程度越来越大，分布均值逐步相左移动，90、95、99百分位数也逐步向左移
动，同时分布的标准差逐步减小，分布的峰值越来越大，DW取值向零集中；三. 在样本容量相同的条件下，DW(1,0)分布总是位于DW(1,1)分布的左侧，即DW(1,0)分布的均值、百分位数以及方差都比DW(1,1)分布的相应量小。T= 50模拟1000次的DW(1,1)和DW(1,0)分布的结果分别见图一和图二。
表一 DW分布的蒙特卡罗模拟结果
类型样本容量百分位数均值标准差偏度JB统计量
1 90 95 99
10 0.22 2.18 2.45 2.81 1.28 0.62 0.50 48.74
DW(1,1) 20 0.11 1.28 1.49 1.80 0.75 0.39 0.68 77.61
30 0.09 0.90 1.04 1.39 0.51 0.29 1.07 293.73
40 0.06 0.77 0.88 1.16 0.41 0.25 1.06 250.10
50 0.05 0.59 0.71 0.98 0.33 0.20 1.16 341.31
20 0.09 1.02 1.21 1.59 0.56 0.34 1.22 369.61
DW(1,0) 30 0.06 0.70 0.83 1.18 0.38 0.24 1.27 430.43
40 0.04 0.54 0.66 0.91 0.30 0.19 1.25 383.68
50 0.04 0.45 0.54 0.71 0.24 0.15 1.12 261.84
DW(0,0) 10 1.31 2.75 2.97 3.24 2.02 0.57 0.00 7.17
40 0.72 2.41 2.53 2.70 2.00 0.31 0.03 4.06
注：1. DW(1,1)表示由两个I(1)变量进行回归，计算得到的DW值。
2. DW(1,0)表示由一个I(1)变量和一个I(0)变量进行回归，计算得到的DW值。
3. DW(0,0)表示由两个I(0)变量进行回归，计算得到的DW值。
4. 在每个样本容量条件下各模拟1000次。
图一T = 50模拟1000次的DW(1,1)分布直方图图二T = 50模拟1000次的DW(1,0)分布直方图
在相同样本容量条件下，DW(1,0)分布之所以位于DW(1,1)分布左侧，可作如下解释。随着T→∝，DW(1,0)和DW(1,1)的分布都趋近于零。由于DW(1,0)来自于一个I(1) 变量和一个I(0)变量之间的回归，所以残差序列w t~ I(1)。由于DW(1,1)来自于两个I(1)变量之间的回归，一般来说残差序列w t~ I(1)，但也有可能在y t和x t之间存在协整关系，从而使w t~ I(0)。所以DW(1,0)分布必位于DW(1,1)分布的左侧。
用DW(1,1)统计量可以检验相应两个I(1)变量y t和x t是否存在协整关系。同时DW(1,1)统计量也可用来判断普通最小二乘回归中是否存在虚假回归。这与协整检验是一致的。若两个I(1)变量存在协整关系，则回归是有意义的，否则为虚假回归。
用表一中关于DW(1,1)的模拟结果，即用表一中第一部分DW(1,1)分布的第90、95、99
百分位数，均值和标准差分别对样本容量的到数（1/T）进行回归。结果见表二。
表二DW(1,1)分布第90、95、99百分位数，均值和标准差分别对1/T的回归函数
（用表一中第一栏相应数据估计）
i 回归函数R2 s.e. F DW
0.9957 0.05 691.2 2.35
1 P90 = 0.2561 + 19.4438 (1/T)
(6.4)(26.3)
2 P95 = 0.3338 + 21.463
3 (1/T)
0.9945 0.06 538.8 2.37
(6.7)(23.2)
0.9936 0.07 462.7 1.45
3 P99 = 0.6059 + 22.3828 (1/T)
(10.8)(21.5)
4 Mean = 0.1182 + 11.7759 (1/T)
0.9954 0.03 656.1 2.18
(4.7) (25.6)
5 SD = 0.1167 + 5.1082 (1/T)
0.9930 0.02 462.3 1.90
(8.7)(20.6)
注：1. P90 , P95 和P99分别表示DW(1,1)分布的第90、95和99百分位数。
2. Mean和SD分别表示DW(1,1)分布的均值和标准差；1/T表示样本容量的倒数。
3. R2表示拟合优度，s.e. 表示回归函数的标准差。
通过拟合优度R2的值可以看到DW(1,1)分布的第90、95、99百分位数，均值和标准差与1/T高度相关。所以完全有理由以表二中的前三个回归函数作为响应面函数，编制小样本DW检验临界值表（见表三）。表三可用来检验两个原变量是否存在协整关系，同时也就是检验原最小二乘回归式中是否存在严重的虚假回归。如果两个原变量是平稳的或者两个变量都是非平稳的但存在协整关系，则最小二乘回归后用残差计算的DW统计量一定服从均值为2的近似正态的分布，其第90、95和99百分位数一定会大于表三中所给出的相应临界值。而只有当w t非平稳时，DW统计量的值才会以相应概率小于表三给出的相应临界值。表二中的第4和5回归式表明小样本DW(1,1)分布的均值和标准差都随着样本容量的增大而极有规律地减小。
表三小样本DW检验临界值表
样本容量T DW分布
第90百分位数第95百分位数第99百分位数
10 2.20 2.48 2.84
14 1.64 1.87 2.20
18 1.34 1.53 1.85
22 1.14 1.31 1.62
26 1.00 1.16 1.47
30 0.90 1.05 1.35
34 0.83 0.97 1.26
38 0.77 0.90 1.19
42 0.72 0.84 1.14
46 0.68 0.80 1.09
50 0.64 0.76 1.05
54 0.62 0.73 1.02
4．实例分析
为研究我国国际贸易与国民经济的关系，以我国进出口贸易总额（Y t，亿元人民币）和社会总产值（X t，亿元人民币）为变量（数据见中国统计年鉴，1983，第26页和591页，1950-1983）得如下估计模型：
Y?= - 64.4061 + 0.0734 X t（5）t
(-3.2) (17.5)
R2 = 0.91, s.e. = 66.9, DW = 0.27
用DW = 0.27与表三中检验水平为0.05的相应临界值（0.97）相比较，因为0.27 < 0.97，结论是上述回归为虚假回归，模型误差项存在严重的自相关。这种情况下应该对模型进行修正或用其他方法建立与估计该两个变量之间的关系。
下面用单整和协整检验的方法验证虚假回归的存在。经ADF检验，结论是Y t~I(2)，X t~ I(2)。用t w?表示与上式相应的残差序列。对t w?进行ADF检验，得ADF = -1.9；对t w?的一阶差分序列d
w?进行ADF检验，得ADF = -3.4，所以w t ~ I(1)。这说明Y t和X t都是二阶
t
非平稳的，且不存在协整关系。则回归式（5）必然为虚假回归。
5．结论
本文对小样本DW统计量的分布特征进行了充分研究。小样本DW统计量的基本分布特征是左侧以零为端点，右侧拖尾。样本越小，DW分布的离散程度越大，右尾部越“胖”，偏度越小。它与DW统计量的极限分布有着很大不同。当回归函数所涉及的变量为平稳变量或为非平稳变量但存在协整关系时，用最小二乘法得到的估计式才是有意义的。当回归函数所涉及的变量为非平稳变量，且不存在协整关系时，用最小二乘法得到的估计式为虚假回归式。本文用DW统计量提出了一个判别有意义回归和虚假回归的有效方法。
参考文献
Engle, R. F. and Granger, C. W. J. (1987), 'Cointegration and error correction representation, estimation and testing', Econometrica, 55: 251-76.
Engle, R. F. and Yoo, B. S. (1987), 'Forcasting and testing in cointegrated system', Journal of Econometrics, 35: 143-59.
Fuller, W. A. (1976), 'Introduction to statistical time series', John Wiley, New York. MacKinnon, J. G. (1991), 'Critical values for co-integration test', in R. F. Engle and C. W. Granger (eds), Long-run Economic Relationships, Oxford University Press, 267-76.
Sagran, J. T. and Bhargava, A. (1983), Testing residuals from least squares regression for being generated by the Gaussian random walk', Econometrica, 51: 153-74.
Phillips, P. C. B. (1986), 'Understanding spurious regression in econometrics', Journal of Econometrics, 33: 311-40.
张晓峒，大川勉，张世英．小样本DF统计量的分布特征．系统工程理论与实践．1999（3）：31～37
第六章 统计量及其抽样分布 练习题 一、填空题（共10题，每题2分，共计20分） 1．简单随机抽样样本均值X 的方差取决于_________和_________，要使X 的标准差降低到原来的50％，则样本容量需要扩大到原来的_________倍。 2. 设1217,,,X X X 是总体(,4)N μ的样本，2S 是样本方差，若2()0.01P S a >=，则a =____________。 3．若(5)X t ，则2X 服从_______分布。 4．已知0.95(10,5) 4.74F =，则0.05(5,10)F 等于___________。 5．中心极限定理是说：如果总体存在有限的方差，那么，随着_________的增加，不论这个总体变量的分布如何，抽样平均数的分布趋近于_____________。 6. 总体分布已知时，样本均值的分布为_________抽样分布；总体分布未知，大样本情况下，样本均值的分布为_________抽样分布。 7. 简单随机样本的性质满足_________和_________。 8.若(2,4)X N ，查分布表，计算概率(X 3)P ≥=_________。若(X )0.9115P a ≤=，计算a =_________。 9. 若12~(0,2),~(0,2),X N X N 1X 与2X 独立，则2212X X +（）/2服从______分布。 10. 若~(16,4)X N ，则5X 服从___________分布。 二、选择题（共10题，每题1分，共计10分）
1．中心极限定理可保证在大量观察下 ( ) A ． 样本平均数趋近于总体平均数的趋势 B ． 样本方差趋近于总体方差的趋势 C ． 样本平均数分布趋近于正态分布的趋势 D. 样本比例趋近于总体比例的趋势 2．设随机变量()(1)X t n n >，则21/Y X =服从 ( ) 。 A. 正态分布 B.卡方分布 C. t 分布 D. F 分布 3．某品牌袋装糖果重量的标准是（500±5）克。为了检验该产品的重量是否符合标准，现从某日生产的这种糖果中随机抽查10袋，测得平均每袋重量为498克。下列说法中错误的是（ ） A. 样本容量为10 B .抽样误差为2 C. 样本平均每袋重量是统计量 D. 498是估计值 4．设总体均值为100，总体方差为25，在大样本情况下，无论总体的分布形式如何，样本平均数的分布都是服从或近似服从( ) A. (100/,25)N n B. N C. (100,25/)N n D. (100,N 5、设2(0,1),(5),X N Y χ且X 与Y 独立，则随机变量_________服从自由度为5的t 分布。 （ ） A. /X Y B. 5/Y X C. /X /
统计学第5-6章正态分布、统计量及其 抽样分布
第5-6章统计量及其抽样分布 5.1正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等某一条件下产品的质量 如果随机变量X的概率密度为 2 2 () 2 1 (), 2 x f x e x μ σ πσ -- =-∞<<∞ 则称X服从正态分布。 记做 2 (,) X Nμσ : ，读作：随机变量X服从均值为 μ ，方差为2 σ的正态分布 其中， μ -∞<<∞ ，是随机变量X的均值，0 σ>是是随机变量X 的标准差
5.1.2正态密度函数f(x)的一些特点： ()0 f x≥, 即整个概率密度曲线都在x轴的上方。 曲线 () f x相对于xμ =对称，并在xμ = 处达到最大值， 1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定： σ 越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以 x轴为其渐近线。 标准正态分布
当 0,1 μσ == 时， 2 2 1 () 2 x f x e π - = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。 标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ : ,则 (0,1) X Z N μ σ - =: 变量 2 11 (,) X Nμσ :与变量2 22 (,) Y Nμσ :相互独立,则有 22 1212 +(+,+) X Y Nμμσσ : 5.1.3 正态分布表：可以查的正态分布的概率值 ()1() x x Φ-=-Φ
抽样分布 根据样本统计量去估计总体参数，必须知道样本统计量分布。 定义6.2 某个样本统计量的抽样分布，从理论上说就是在重复选取容量为n 的样本时，由每一个样本算出的该统计量数值的相对数频数分布或概率分布。 由于现实中我们不可能将所有的样本都抽出来，因此，统计的抽样分布实际上是一种理论分布。 （一）样本均值的抽样分布 从单位数为N 的总体中抽取样本容量为n 的随机样本，在重复抽样的条件下 共有n N 个可能的样本，在不重复抽样条件下，共有!!()! n N N C n N n =-个可能样本。对于每一个样本，我们都可以计算出样本的均值2()x s 或或p ，因此，样本均值是一个随机变量。所有的样本均值形成的分布就是样本均值的抽样分布。 [例6.4]设一个总体含有4个个体（元素），即N=4，取值分别为： 12341234x x x x ==== 总体分布为均匀分布，如图6.1所示。 图6.1 总体均值：10 2.54X μ== = 总体方差：22() 1.25x x n σ-==∑ x
若重复抽样，n=2 则共有2416=个可能样本。具体列示如表5.1.1。 表6.1 可能的样本及其均值 每个样本被抽中的概率相同，均值为116 样本均值的抽样分布如表5.1.2和图5.1.2所示。 样本均值x 抽样分布的形状与原有总体的分布有关，如果原有总体是正态分布，样本均值也服从正态分布。 如果总体分布是非正态分布，当x 为大样本（30n ≥）时，样本均值的分布趋于服从正态分布；当x 为小样本时，其分布不是正态分布。 下面再让我们来看看样本均值x 抽样分布的特征：数学期望和方差。 设总体共有N 个元素，其均值为μ，方差为2σ，从中抽取容量为n 的样本。 E()x x X μ=== （6.1） 22 x n σσ=（重复抽样） （6.2） 22 ()1x N n n N σσ-=-（不重复抽样） （6.3） 对于无限总体，样本均值的方差，不重复抽样也可按重复抽样来处理；对于有限总体，当N 很大，而/n N 又很小，修正系数 1 N n N --会趋于1，不重复抽样也可按重复抽样来处理。 样本均值x 抽样分布的特征—数学期望和方差的计算公式，可以通过[例6.4]加以验证。 样本均值的均值 1.0 1.5 3.5 4.040 2.51616x μ++++====
课题：用样本的频率分布估计总体分布 本节内容为人教A版《普通高中课程标准实验教科书》必修3第2章第2节第1小节——《用样本的频率分布估计总体分布》的第一课时. 一、教材分析 1.内容与目标 《数学课程标准》强调统计思想与使用统计思想解决实际问题的水平，要求学生系统地经历提出问题、收集数据、整理分析数据、做出推理与决策的全过程.通过本节的学习，让学生体会统计思想与确定性思想的差异，并能从所获得的数据中提取有价值的信息，做出合理的决策. 统计与现实生活的联系是非常紧密的，所以本节内容对学生来说应该是充满趣味性和吸引力的.教科书选择居民生活用水定额管理问题，引导学生从具体的问题中总结、抽象出一般规律，让学生体会其中的统计原理，感受统计与实际生活的联系以及在解决现实问题中的作用. 本节内容在高中统计部分占有十分重要的地位.一方面它与前面学习的抽样方法之间有着紧密的联系，是学习完抽样方法后的第一节课；另一方面本节内容本身就是利用样本估计总体的一个重要方法，它是后面即将要学习的用样本的数字特征估计总体数字特征的基础. 通过以上分析，确定教学目标如下： （1）通过实例体会分布的意义和作用. （2）在分析样本数据的过程中，学会列频率分布表，画频率分布直方图，理解数形结合的数学思想和逻辑推理的数学方法. （3）通过对样本分析和总体估计的过程，体会频率分布直方图的特征，利用它分析样本的分布，准确地做出总体估计，理解到数学知识源于生活并指导生活，体会数学知识与现实世界的联系. 2.重点与难点 本节的引言首先说明了用统计方法解决实际问题的一般框架，明确了估计总体分布和总体数字特征的重要性.接着通过对“居民生活用水定额管理问题”的探究，引出对总体分布的估计问题及估计总体分布的途径的讨论，这个问题贯穿本节始终.通过对该问题的探究，让学生学习列频率分布表和画频率分布直方图，最后又围绕这个问题的解决方案，让学生尝试用直方图来解决实际问题，体会用样本估计总体的思想. 根据以上分析，本节课的教学重点确定为： （1）列频率分布表，画频率分布直方图； （2）了解频率分布与总体分布之间的关系，体会用样本估计总体的思想. 本节课的教学难点确定为： （1）在用样本的频率分布估计总体分布的过程中合理分组； （2）理解分布的意义与作用. 3.学情与对策
常用的统计量抽样分布 一．正态分布 1. ∑==n i i X n X 1 1EX → 2. 2 12)(11∑=--=n i i X X n S ][112 1 2∑=--=n i i X n X n DX → 3. 定理： X ～),(2σμN ，n X X X ,,,21 为X 的样本，则 (1). X ～), (2 n N σμ， (2). 2 2 )1(σ S n -～)1(2-n χ, (3). X 与2S 相互独立。 二．2χ分布 1. 定义 设n X X X ,,,21 独立同分布，且～)1,0(N ，则)(~2122 n X n i i χχ∑== 2. 性质： (1). 若X ～)(12n χ，Y ～)(22n χ，且X ,Y 独立，则X +Y ～)(212n n +χ。 (2). 若X ～)(2n χ，则n EX =，2DX n =。 三．t 分布 1. 定义 设X ～)1,0(N ,Y ～)(2n χ，且X ,Y 独立，则n Y X T =～)(n t 。 2. 定理： 设n X X X ,,,21 独立同分布，且～),(2σμN ，则
n S X μ -σ σ μS n X )(-=1 )1() (2 2 ---= n S n n X σσ μ～)1(-n t （因为 n X σ μ-～)1,0(N ， 2 2 )1(σ S n -～)1(2-n χ）。 3. 定理： 设1,,,21n X X X 为总体X ～),(21σμN 的样本， 1,,,21n Y Y Y 为总体Y ～),(22σμN 的样本，且Y X ,独立，则 2 12111)()(n n S Y X w +---μμ～)2(21-+n n t ，其中 2 )1()1(212 2 22112 -+-+-=n n S n S n S w 。 证：因为 2 2 11)1(σ S n -～)1(12 -n χ, 2 2 2 2)1(σ S n -～)1(22-n χ， 所以 2 2 2 2211)1()1(σS n S n -+-～)2(212-+n n χ； 又X ～), (1 2 1n N σμ，Y ～), (2 2 2n N σμ， 所以X Y -～), (2 2 1 2 21n n N σσμμ+ +， 所以 2 12111) ()(n n Y X +---σ μμ～)1,0(N ，所以 2 12111)()(n n S Y X w +---μμ 2 12111) ()(n n Y X +---= σμμ/ )2/()1()1(212 2 2 2211-+-+-n n S n S n σ ～)2(21-+n n t 。
概率论与数理统计数学实验 目录 实验一几个重要的概率分布的MATLAB实现 p2-3 实验二数据的统计描述和分析 p4-8 实验三参数估计 p9-11 实验四假设检验 p12-14 实验五方差分析 p15-17 实验六回归分析 p18-27实验一几个重要的概率分布的MATLAB实现 实验目的 (1) 学习MATLAB软件与概率有关的各种计算方法 (2) 会用MATLAB软件生成几种常见分布的随机数 (3) 通过实验加深对概率密度，分布函数和分位数的理解 Matlab统计工具箱中提供了约20种概率分布，对每一种分布提供了5种运算功能，下表给出 了常见8种分布对应的Matlab命令字符，表2给出了每一种运算功能所对应的Matlab命令字符。 当需要某一分布的某类运算功能时，将分布字符与功能字符连接起来，就得到所要的命令。 N，在x=处的概率密度。 例1 求正态分布()2,1- 解：在MATLAB命令窗口中输入： normpdf,-1,2) 结果为：
例2 求泊松分布()3P ，在k=5，6，7处的概率。 解：在MATLAB 命令窗口中输入： poisspdf([5 6 7],3) 结果为： 例3 设X 服从均匀分布()3,1U ，计算{}225P X .-<<。 解：在MATLAB 命令窗口中输入： unifcdf,1,3)-unifcdf(-2,1,3) 结果为： 例4 求概率995.0=α 的正态分布()2,1N 的分位数αX 。 解：在MATLAB 命令窗口中输入： norminv,1,2) 结果为： 例5 求t 分布()10t 的期望和方差。 解：在MATLAB 命令窗口中输入： [m,v]=tstat(10) m = 0 v = 例6 生成一个2*3阶正态分布的随机矩阵。其中，第一行3个数分别服从均值为1，2，3；第二行3个数分别服从均值为4，5，6，且标准差均为的正态分布。 解：在MATLAB 命令窗口中输入： A=normrnd([1 2 3;4 5 6],,2,3) A = 例7 生成一个2*3阶服从均匀分布()3,1U 的随机矩阵。 解：在MATLAB 命令窗口中输入： B=unifrnd(1,3,2,3) B =
第6章 统计量及其抽样分布一、思考题 1．什么是统计量？为什么要引进统计量？统计量中为什么不含任何未知参数？ 答：（1）设12n X X X ，， …，是从总体X 中抽取的容量为n 的一个样本，如果由此 样本构造一个函数12()n T X X X ，，…，，不依赖于任何未知参数，则称函数12()n T X X X ，，…，是一个统计量。 （2）在实际应用中，当从某总体中抽取一个样本后，并不能直接应用它去对总体的有关性质和特征进行推断，这是因为样本虽然是从总体中获取的代表，含有总体性质的信息，但仍较分散。为了使统计推断成为可能，首先必须把分散在样本中关心的信息集中起来，针对不同的研究目的，构造不同的样本函数。 （3）统计量是样本的一个函数。由样本构造具体的统计量，实际上是对样本所含的总体信息按某种要求进行加工处理，把分散在样本中的信息集中到统计量的取值上，不同的统计推断问题要求构造不同的统计量，所以统计量不包含未知参数。 2．判断下列样本函数哪些是统计量？哪些不是统计量？ 1121021210310410()/10 min() T X X X T X X X T X T X μ μσ =+++==-=-…，，…，（）/答：统计量中不能含有未知参数，故1T 、2T 是统计量，3T 、4T 不是统计量。
3．什么是次序统计量？ 答：设12n X X X ，， …，是从总体X 中抽取的一个样本，()i X 称为第i 个次序统计量，它是样本 12()n X X X ，，…，满足如下条件的函数：每当样本得到一组观测值12X X ，，…，n X 时，其由小到大的排序 (1)(2)()()i n X X X X ≤≤≤≤≤……中，第i 个值()i X 就作为次序统计量()i X 的观测值，而(1)(2)()n X X X ，，…，称为次序统计量，其中(1)X 和()n X 分别为最小和最大次序统计量。 4．什么是充分统计量？ 答：在统计学中，假如一个统计量能把含在样本中有关总体的信息一点都不损失地提取出来，那对保证后边的统计推断质量具有重要意义。统计量加工过程中一点信息都不损失的统计量通常称为充分统计量。 5．什么是自由度？ 答：统计学上的自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的变量的个数。 6．简述2 χ分布、t 分布、F 分布及正态分布之间的关系。答：（1）随机变量X 1，X 2，… X n 相互独立，且都服从标准正态分布，则它们的平方和21 n i i X =∑服从自由度为n 的2 χ分布。（2）随机变量X 服从标准正态分布，Y 服从自由度为n 的2 χ分布，且X 与Y 独立，
实验设计 名词解释 总体：具有共同性质的个体所组成的集合体 样本：从总体中抽出一部分个体进行研究，这部分个体的总合称为样本或抽样总体 极差：资料中最大观察值与最小观察值的差值称为极差 方差：离均差平方的平均数称为方差 标准差：方差的正平方根称为标准差 变异系数：该样本的标准差对均数的百分数 频率：在大量重复试验中某一事件已发生的次数占试验总次数的比率称为频率 概率：描述随机事件出现的可能性大小的一个概念 频数：总体或样本中某观察值或某区间的观察值所出现的次数 频数分布：总体或样本中不同观察值或不同区间的观察值出现的次数组成的分布 抽样分布：研究从总体中独立抽取随机样本的统计数的概率分布 置信限：区间的上下限 置信概率（置信系数）：保证合理误差范围的概率 因素：对某些事物的存在状况能够产生影响的其他事物 试验因素：人为控制该影响因素的变化状态，使其影响程度可以得到准确的测量或判断 不同水平：一个试验因素不同质或不同量的存在状态，叫试验因素的不同水平 试验处理：人为地使试验因素处于不同水平或试验因素不同水平的组合，称为试验处理 试验方案：同一试验所处理的总和称为试验方案 试验效应：指因素的相对独立作用，也就是因素对性状所引起的增加或减少作用 简单效应：在一种情况下因素的相对独立作用 主效应：同一试验中同一因素的简单效应平均值称为主效应 重复：同一处理在试验中出现的次数（重复具有降低试验误差，扩大试验的代表性；估计试验误差大小，判断试验可靠程度） 个体试验：同一内容的试验只在一两个不同的地点设置 群体试验：同一内容试验在有许多代表性的地点统一布置、统一方法、同时进行，这样的试验叫做群体试验 参数：能说明不同总体集中性和变异性特征的数值称总体特征数 匀地播种：在即将进行试验的土地上连续几茬播种密生植物以便均衡土壤肥力差异的方法。相关系数：对于坐标散点，显线性相关的两个变量，如果不需要由x预测y，只需要了解x 与y是否确定有相关系数，相关关系的密切程度如何，以及相关性质，则只需计算出一个新的统计量 简答题 1、正态分布的特点 答：正态分布是一种常见也是最重要的连续性随机变量的理论分布。其特点①以算术平均数u为轴点，左右对称②在x=u处，值最大，其算术平均数、中位数、众数相等，合并为一③正态分布的多数次数集中于算术平均数u附近，离平均数越远，其相应的次数越少④正态分布曲线在∣x-u∣≧ō处有拐点，曲线左右延伸⑤正态分布曲线与x轴之间的总面积等于 1. 2、试验研究一般程序 答：㈠选题确定试验研究的具体目标和任务㈡作好试验计划设计和确定完成试验任务的方法步骤（①设计试验方案②确定试验方法③制定管理措施④确定观察测定项目及其方法与
第5-6章 统计量及其抽样分布 正态分布 5.1.1定义:当一个变量受到大量微小的、独立的随机因素影响时，这个变量一般服从正态分布或近似服从正态分布。 概率密度曲线图 例如：某个地区同年龄组儿童的发育特征：身高、体重、肺活量等 某一条件下产品的质量 如果随机变量X 的概率密度为 22 ()21 (),2x f x e x μσπσ --=-∞<<∞ 则称X 服从正态分布。 记做 2 (,)X N μσ，读作：随机变量X 服从均值为μ，方差为2 σ的正态分布 其中， μ-∞<<∞，是随机变量X 的均值，0σ>是是随机变量X 的 标准差
5.1.2正态密度函数f(x)的一些特点： ()0 f x≥,即整个概率密度曲线都在x轴的上方。 曲线 () f x相对于xμ =对称，并在xμ = 处达到最大值， 1 () 2 fμ πσ = 。 1 μ＜ 2 μ＜ 3 μ 曲线的陡缓程度由 σ 决定：σ越大，曲线越平缓；σ越小，曲线越陡峭当 x 趋于无穷时，曲线以x轴为其渐近线。 标准正态分布 当 0,1 μσ == 时，
2 2 1 () 2x f x e π- = ， x -∞<<∞ 称 (0,1) N 为标准正态分布。 标准正态分布的概率密度函数： ()x ? 标准正态分布的分布函数： ()x Φ 任何一个正态分布都可以通过线性变换转化为标准正态分布 设 2 (,) X Nμσ ,则 (0,1) X Z N μ σ - = 变量 2 11 (,) X Nμσ与变量2 22 (,) Y Nμσ相互独立,则有 22 1212 +(+,+) X Y Nμμσσ 5.1.3 正态分布表：可以查的正态分布的概率值()1() x x Φ-=-Φ 例：设 (0,1) X N，求以下概率
第6章统计量与抽样分布 【引例】1899年，戈塞特（1876-1937）进入都柏林A.吉尼斯父子酿酒公司担任酿酒化学技师，主要从事统计和实验工作。他在工作中发现，供酿酒的每批麦子质量相差很大，而同一批麦子中能抽样供试验的麦子又很少，每批样本在不同的温度下做实验，其结果相差很大。这就决定了不同批次和温度的麦子样本是不相同的，不能进行样本合并。这样一来，实际上取得的麦子样本，不可能是大样本，只能是小样本。他在工作中还发现，利用小样本得出的结果，和正态分布有较大的差异，特别是两端尾部的概率，比正态分布明显高。因此1907年戈塞特决心把小样本和大样本之间的差别搞清楚。为此，他试图把一个总体中的所有小样本的平均数的分布刻画出来。做法是：在一个大容器里放了一批纸牌，把它们弄乱，随机地抽若干张（小样本），对这一样本记录观察值，然后再把纸牌弄乱，抽出几张，对相应的样本再记录观察值。大量地记录这种随机抽样的小样本观察值，就可以获得小样本观察值的分布。1908年，戈塞特以“学生（Student）”为笔名在《生物计量学》杂志发表了论文《平均数的规律误差》。这篇论文开创了小样本统计理论的先河，为研究样本分布理论奠定了重要基础。被统计学家誉为统计推断理论发展史上的里程碑。 那么总体和样本是如何联系的？大样本和小样本下究竟有什么差异？什么是t分布？它和正态分布有什么不同？它有什么作用？统计推断中常用的分布还有哪些？这些问题都将在本章中找到答案。 统计研究的目的是为了探索现象内在的数量规律性。为了解总体的数量特征，可以直接对总体进行全面调查，得到总体数据，进而归纳出数量特征；也可以对总体进行抽样，利用样本对总体进行推断，后一种方法称为统计推断。抽样分布是进行统计推断的理论基础。本章将主要介绍统计推断所涉及的总体、 分布，t分布样本、统计量及抽样分布等概念，以及在统计推断中最常用的2 和F分布和抽样分布定理。
第六章 统计量及其抽样分布 6.1 调节一个装瓶机使其对每个瓶子的灌装量均值为μ盎司，通过观察这台装瓶机对每个瓶子的灌装量服从标准差 1.0σ=盎司的正态分布。随机抽取由这台机器灌装的9个瓶子形成一个样本，并测定每个瓶子的灌装量。试确定样本均值偏离总体均值不超过0.3盎司的概率。 解：总体方差知道的情况下，均值的抽样分布服从()2,N n σμ的正态分布，由正态分布，标准化得到标准正态分布： x ()0,1N ，因此，样本均值不超过总体均值的概率P 为： ()0.3P x μ-≤ =P ?≤ =x P ??≤≤ =()0.90.9P z -≤≤=2()0.9φ-1，查标准正态分布表得()0.9φ=0.8159 因此，() 0.3P x μ-≤=0.6318 6.2 ()0.3P Y μ-≤ =P ?≤ =x P ??≤≤ =(||P z ≤ =(21φ-=0.95 查表得： 1.96= 因此n=43 6.3 1Z ，2Z ，……，6Z 表示从标准正态总体中随机抽取的容量，n=6的一个样本，试确定常数b ，使 得6210.95i i P Z b =??≤= ??? ∑ 解：由于卡方分布是由标准正态分布的平方和构成的： 设Z 1，Z 2，……，Z n 是来自总体N (0,1)的样本，则统计量 222212χ=+++n Z Z Z 服从自由度为n 的χ2分布，记为χ2～ χ2（n ） 因此，令622 1i i Z χ==∑，则()62 22 16i i Z χχ==∑，那么由概率6210.95i i P Z b =??≤= ???∑，可知： b=()210.956χ-，查概率表得：b=12.59 6.4 在习题6.1中，假定装瓶机对瓶子的灌装量服从方差21σ=的标准正态分布。假定我们计划随机抽取10个瓶子组成样本，观测每个瓶子的灌装量，得到10个观测值，用这10个观测值我们可以求出样本方差2221 1(())1n i i S S Y Y n ==--∑，确定一个合适的范围使得有较大的概率保证S 2落入其中是有用的，试求b 1，b 2，使得 212()0.90p b S b ≤≤= 解：更加样本方差的抽样分布知识可知，样本统计量： 2 22(1)~(1) n s n χσ-- 此处，n=10，21σ=，所以统计量 2 2222(1)(101)9~(1)1 n s s s n χσ--==- 根据卡方分布的可知： ()()2212129990.90P b S b P b S b ≤≤=≤≤= 又因为：
《统计学》课程教学大纲 课程编号：×××××××× 课程类别：学科基础课 授课对象：经济管理类各专业、社会学专业、档案学专业、新闻学专业等 开课学期：第3、4、5、6学期 学分：4学分 主讲教师：……等 指定教材：贾俊平、何晓群、金勇进编著，《统计学》(第六版)，中国人民大学出版社，2015年教学目的： 《统计学》是为我校非统计专业本科生开设的一门基础必修课，总课时约54学时。设置本课程的目的在于培养学生有关统计知识方面的基本技能，培养学生应用统计方法分析和解决问题的实际能力。教学应达到的总体目标是： 使学生能系统地掌握各种统计方法，并理解各种统计方法中所包含的统计思想。 使学生掌握各种统计方法的不同特点、应用条件及适用场合。 培养学生运用统计方法分析和解决实际问题的能力。 第1章导论 课时：1周，共3课时 教学内容 第一节统计及其应用领域 一、什么是统计学 统计学的概念。描述统计。推断统计。 二、统计的应用领域 统计在共生管理中的应用。统计在其他领域的应用。统计的误用与正确使用。 三、历史上著名的统计学家 一些主要的统计学家。 第二节统计数据的类型 一、分类数据、顺序数据、数值型数据 分类数据。顺序数据。数值型数据。 二、观测数据和实验数据 观测数据。实验数据。 三、截面数据和时间序列数据 截面数据。时间序列数据。 第三节统计中的几个基本概念 一、总体和样本 总体。有限总体和无限总体。样本。样本容量。 二、参数和统计量 参数。统计量。 三、变量 变量。变量的类型。 第2章数据的收集 课时：1周，共3课时
第一节数据来源 一、数据的间接来源 二手数据。 二、数据的直接来源 统计调查方式。数据的收集方法。 第二节调查设计 一、调查方案的结构 调查目的。调查对象和调查单位。调查项目和调查表。 二、调查问卷设计 问卷的结构。提问项目设计。回答项目的设计。问题顺序的设计。第三节数据质量 一、数据的误差 抽样误差。非抽样误差。 二、数据的质量要求 第3章数据的图表展示 课时：1周，共3课时 教学内容 第一节数据的预处理 一、数据审核 原始数据的审核。二手数据的审核。 二、数据筛选 数据筛选的意义。用Excel进行数据筛选。 三、数据排序 数据排序的作用。用Excel进行数据排序。 第二节分类和顺序数据的整理与显示 一、分类数据的整理与显示 频数与频数分布。用Excel制作频数分布表。分类数据的图示方法。 二、顺序数据的整理与显示 累积频数与累积频率。顺序数据的图示方法。 第三节数值型数据的整理与显示 一、数据分组 分组方法。 二、数值型数据的图示 直方图。茎叶图和箱线图。线图。雷达图。 第四节统计表 一、统计表的构成 二、统计表的设计 第4章数据的概括性度量 课时：1周，共3课时 教学内容 第一节集中趋势的度量
一、选择题 1、算术平均数的重要特性之一是离均差的总和（ C ）。 A 、最小 B 、最大 C 、等于零 D 、接近零 2、对某鱼塘不同年龄鱼的尾数进行统计分析时，可做成（ ）图来表示。 A 、条形图 B 、直方图 C 、多边形图 D 、折线图 3、当p ＜q 时，二项式分布曲线应该是（ B ）。 A 、左偏 B 、右偏 C 、对称 D 、不对称 4、当总体方差未知，样本容量36n =时，样本平均数的分布趋于（ A ）。 A 、正态分布 B 、t 分布 C 、F 分布 D 、2 χ分布 5、如测验k （k ≥3）个样本方差),,2,1(2k i s i Λ=是否来源于方差相等的总体，这种测验在统计上称为（ A ）。 A. 方差的同质性测验 B. 独立性测验 C. 适合性测验 D. F 测验 6、列联表的2 χ测验的自由度为（ ）。 A 、 B 、 C 、 D 、 7、在简单线性回归分析中，剩余平方和反映了（ ）。 A 、应变量的变异度 B 、自变量的变异度 C 、扣除影响后的变异度 D 、扣除影响后的变异 8、对于常用次数分布图，下列说法正确的是（ ） A 、条形图只适用于计数资料 B 、坐标轴都必须加箭头以示数值增大的方向 C 、多边形图主要用于表示计量资料的次数分布 D 、方形图可以将多组资料绘制在同一幅图上比较 9、具有一定原因引起观察值与试验处理真值之间的偏差称为（ C ）。 A 、试验误差 B 、随机误差 C 、系统误差 D 、混合误差 10、从N(10, 10)的正态总体中以样本容量10抽取样本，其样本平均数差数服从（ C ）分布。 A 、N(10, 10) B 、 N(0, 10) C 、N(0, 2) D 、N(0, 20) 11、A 、B 两个事件不可能同时发生，则称为A 和B 事件是（ C ）。 A 、和事件 B 、积事件 C 、互斥事件 D 、对立事件 12、当样本容量增加时，样本平均数的分布趋于（ A ）。 r c ?(1)(1)r c -+-(1)(1)r c --1rc -2rc -y x x y y x
第六章 统计量及抽样分布 概率论和数理统计都是研究随机现象规律性的数学分支。 （1） 概率论特点：先提出随机现象的数学模型，然后研究其特性和规律 （2） 数理统计： （3） I ）以概率论为理论前提，从实际观测或试验出发； II) 研究如何有效的收集、整理和分析受到随机因素影响的数据，并为之建立适当的 数学模型； III)对其进行检验，在此基础上对所研究的问题作出推断和预测，为采取行动和决策 提供依据和建议。 §1总体、样本与统计量 一、总体与样本 在实际问题中，我们往往只能通过观察和试验来获取研究对象的信息，但是，如果要把 全体研究对象逐个一一检查，常常是不必要或不可能的. 如：（1）对自动生产线上高速生产的零件逐个检查，要耗费很多的人力、物力、财力及时间，且非必要； （2）为考察某些产品如灯泡的寿命，横梁的耐冲击强度等而进行的破坏性试验，逐个检查将使生产失去意义 所以，实际问题中，只能也只需通过测试部分对象的数据，由此来推断全体研究对象的性质，由部分推断总体。这是数理统计面对的基本问题。 1、 总体：研究对象的全体，如一批灯泡的寿命 具体：研究对象的某个或某几个特性的数量指标，所有的可能取值所构成的集合。 如，研究对象：一个城市的居民家庭；X ：人均收入；Y ：人均支出；Z ：人均居住面积， 则三个总体：{} ()()(){} ()()(){} 121 1 2 2 1 1 1 2 2 2 ,, ...,,,,,,,,,,,,,n X X X X X Y X Y X Y X Y Z X Y Z X Y Z == = 通常我们学习研究对象的一个特性的数量指标，所有可能取值所构成的集合。如，X ：灯泡寿命，总体{}12,, X x x =，其中灯泡是研究对象，寿命是数量指标。 2、 个体：组成总体的每一个基本单元（集合中的元素） 3、 样本：从总体中随机地抽取几个个体所组成地集合，称为总体地一个样本： ()12,,n X X X ，通常看为n 维随机变量 （1） 样本容量：样本中所含个体地个数n ，()1,2,n =≤总体中个体元素个数 （2） 样本值：12,, n X X X 的一个观测，记为：12,, n x x x 4、 抽样：从总体中抽取样本的过程。这里指随机抽样。目的：通过样本得到总体的相应情 况。 （1）简单随机抽样：数理统计最常用的抽样方法。 满足特点：代表性：总体中每个个体被抽入样本的机会均等，即每个i X （个体）与总体X 具有相同分布；
统计学实验报告一：数据图表、描述统计 姓名：专业：学号： 一、实验目的：掌握用EXCEL进行数据的搜集整理和显示、计算描述统计量。 二、实验内容：1、用EXCEL抽样 2、用EXCEL进行统计分组 3、用EXCEL作统计图 4、用函数计算描述统计量 5、描述统计工具量的使用 三、实验步骤： 1. 用EXCEL抽样 实验数据：假定有100个总体单位，每个总体单位给一个编号，共有从1到100个编号，输入工作表后如图1-1所示： 图1-1 总体各单位编号表 输入各总体单位的编号后，可按以下步骤操作： 第一步：单击工具菜单，选择数据分析选项，从中选择抽样，如图1-2所示： 图1-2 数据分析对话框 第二步：单击抽样选项，弹出抽样对话框。如图1-3...............................
图1-3 抽样对话框 第三步：在输入区域框中输入总体单位编号所在的单元格区域$A$1:$J$10。 第四步：在抽样方法项下，有周期和随机两种抽样模式： “周期”模式即所谓的等距抽样，采用这种抽样方法，需将总体单位数除以要抽取的样本单位数，求得取样的周期间隔。如要在100个总体单位中抽取12个，则在“间隔”框中输入8。 第五步：指定输出区域，在这里输入$K$1，单击确定后，即可得到抽样结果，如图1-4所示。 图1-4 等距抽样结果 2. 用EXCEL进行统计分组 实验数据：将50名工人的月产量资料输入工作表，如图1-5所示。 图1-5 工人月产量资料 然后按以下步骤操作： 第一步：在工具菜单中单击数据分析选项，从其对话框的分析工具列表中选择直方图，打开直方图对话框，如图1-6所示。
课题：用样本的频率分布估计总体分布 夏云晶（华中科技大学附属中学） 本节内容为人教A版《普通高中课程标准实验教科书》必修3第2章第2节第1小节——《用样本的频率分布估计总体分布》的第一课时. 一、教材分析 1.内容与目标 《数学课程标准》强调统计思想与运用统计思想解决实际问题的能力，要求学生系统地经历提出问题、收集数据、整理分析数据、做出推理与决策的全过程.通过本节的学习，让学生体会统计思想与确定性思想的差异，并能从所获得的数据中提取有价值的信息，做出合理的决策. 统计与现实生活的联系是非常紧密的，因此本节内容对学生来说应该是充满趣味性和吸 引力的.教科书选择居民生活用水定额管理问题，引导学生从具体的问题中总结、抽象出一 般规律，让学生体会其中的统计原理，感受统计与实际生活的联系以及在解决现实问题中的 作用. 本节内容在高中统计部分占有十分重要的地位.一方面它与前面学习的抽样方法之间有 着紧密的联系，是学习完抽样方法后的第一节课；另一方面本节内容本身就是利用样本估计 总体的一个重要方法，它是后面即将要学习的用样本的数字特征估计总体数字特征的基础. 通过以上分析，确定教学目标如下： （1）通过实例体会分布的意义和作用. （2）在分析样本数据的过程中，学会列频率分布表，画频率分布直方图，理解数形结合的 数学思想和逻辑推理的数学方法. （3）通过对样本分析和总体估计的过程，体会频率分布直方图的特征，利用它分析样本的 分布，准确地做出总体估计，认识到数学知识源于生活并指导生活，体会数学知识与现实世界的联系. 2.重点与难点 本节的引言首先说明了用统计方法解决实际问题的一般框架，明确了估计总体分布和总 体数字特征的重要性.接着通过对“居民生活用水定额管理问题”的探究，引出对总体分布 的估计问题及估计总体分布的途径的讨论，这个问题贯穿本节始终.通过对该问题的探究，让学生学习列频率分布表和画频率分布直方图，最后又围绕这个问题的解决方案，让学生尝试用直方图来解决实际问题，体会用样本估计总体的思想. 根据以上分析，本节课的教学重点确定为： （1）列频率分布表，画频率分布直方图； （2）了解频率分布与总体分布之间的关系，体会用样本估计总体的思想. 本节课的教学难点确定为： （1）在用样本的频率分布估计总体分布的过程中合理分组； （2）理解分布的意义与作用.