Parallels with Simple regression Bo is still the intercept B, to Bk all called slope parameters u is still the error term(or disturbance) Still need to make a zero conditional mean assumption, so now assume that E(lx,x2…,x)=0 Still minimizing the sum of squared residuals. so have k+l first order conditions Economics 20- Prof anderson

Assumptions of the classical Linear Model (Clm) e So far, we know that given the Gauss Markov assumptions, OLS IS BLUE e In order to do classical hypothesis testing we need to add another assumption(beyond the Gauss-Markov assumptions) Assume that u is independent of x,x2…,xk and u is normally distributed with zero mean and variance 0: u- Normal(0, 02) Economics 20- Prof anderson

1.能带关于k的周期性:E(k)=E(k+n 波矢为:k=k+n的布洛赫函数:y+n2(x=e itk\a(x)

中心频率可以适合于高频、超高频A()=n4温x (几MHz~1GHz)工作。幅频特性为: X 相对通频带有时可以达到50%。 用与集成电路相同的平面加工工艺。制造简单、重复性好。 接入实际电路时,必须实现良好的匹配

第二章习题 (1)采用线性同余法(参见公式(22.3))产生伪随机数。取a=5,c=1,m=16和x=1.记录下产生出的前20数,它产生数列的周期是多少 (2)取a=137,c=187,m=256和x=1,用线性同余法产生出三维数组

随机游走也是一种基于运用[0,1]区间的均匀分布随机数序 列来进行的计算。 醉汉行走问题 醉汉开始从一根电线杆的位量出发(其坐标为x=0,x坐标 向右为正,向左为负),假定醉汉的步长为1,他走的每一步的 取向是随机的,与前一步的方向无关如果醉汉在每个时间间 隔内向右行走的一步的几率为p,则向左走一步的几率为q=-po 我们记录醉汉向右走了n步,向左走了n步,即总共走了N=ng+n1 步

n(元)维随机变量(向量) 称同一个样本空间Ω上的n个随机变量 X1,2,…,Xn构成的n维向量(X1,2,Xn) 为Ω上的n维随机变量(向量) 注:一维随机变量即为上一节介绍的随机变量, 二维及二维以上的随机变量称为多维随机变量

大多数的伪随机数变量并不满足[0,1]区间的均匀分布, 而是具有各种不同形式的分布密度函数。 对一个具有分布密度函数f(x)的伪随机变量的抽样是通 过以下步骤来进行的:首先在[0,1]区间抽取均匀分布的伪随 机数列,然后再从这个伪随机数列中抽取一个简单子样,使这 个简单子样的分布满足分布密度函数f(x),并且各个伪随机数 相互独立

第一类曲线积分 设一条具有质量的空间曲线L上任一点(x,y,z)处的线密度为 p(x,y,z)将L分成n个小曲线段L(i=1,2,…n),并在l上任取一点 (5,n,5),那么当每个L1的长度△都很小时,L的质量就近似地等于 i2li p(5,n,5)△,于是整条L的质量就近似地等于 ∑ (5,n,5)S1 当对L的分割越来越细时,这个近似值的极限就是L的质量

4.1导数定义和某些初等函数的导数 1.定义设y=f(x)在(a,b)上定义,x∈(a,b),若极限