• 掌握概率论和数理统计的基本数学知识。 • 训练用概率论和数理统计方法对实际问题进行数学建模的能力。 • 学会解决常见的统计分析问题。 • 是应用型很强的学科。 第一章 古典概型和概率空间 第二章 随机变量和概率分布 第三章 随机向量及其分布 第四章 数学期望和方差 第五章 多元正态分布和极限定理 第六章 描述性统计 第七章 参数估计 第八章 假设检验 第九章 线性回归分析

EViews中的大多数统计工具都是用来建立随机变量的条件均值模 型。本章讨论的重要工具具有与以往不同的目的建立变量的条件 方差或变量波动性模型。 我们想要建模并预测其变动性通常有如下几个原因:首先,我们 可能要分析持有某项资产的风险;其次,预测置信区间可能是时变性 的,所以可以通过建立残差方差模型得到更精确的区间;第三,如果 误差的异方差是能适当控制的,我们就能得到更有效的估计

正态分布判别方法原理分析 中心极限定律:设X1,X2,…,Xn是相互独立同 分布的随机变量序列,具有数学期望和方差E(X)= ,D(X)=o2

一、了解证券投资组合理论的含义及种类 二、掌握理性投资者的行为特征 三、掌握证券风险的含义及种类 四、掌握收益率的含义及计算 五、掌握马柯维茨均值——方差模型的含义及应用 六、了解资本资产定价模型的基本思想内容 七、了解套利定价模型的基本思想内容

教学目的:了解随机变量数字特征这个概念引入的必要性,掌握如下数字特征的定义:数学期望,方差, 协方差,矩,相关系数。知道各种数字特征所表达的实际意义,了解它们之间的联系与区别,各自的使用 范围与领域。掌握协方差矩阵,并了解其在多元统计分析中的重要地位

第一节 资产组合的期望收益与标准差 第二节 有效资产组合曲线 第三节 有效边界的数学描述及计算技术 第四节 国际分散化

4.1 异方差性产生的背景和原因 4.2 一元加权最小二乘估计 4.3 多元加权最小二乘估计 4.4 自相关性问题及其处理 4.5 异常值与强影响点 4.6 本章小结与评注

检验拟合优度，P-值定义与应用 信号观测的显著程度 皮尔逊的χ2检验 样本、估计量与偏置 估计量的平均值、方差与协方差

似然函数，最大似然估计量 指数与高斯概率密度函数的参数确定举 最大似然估计量的方差 不等精度观测结果的并合 解析法 蒙特卡罗法 RCF边界法 图解法

数学公式,反应函数(矩阵) 求反应矩阵的逆 修正因子 正规化的开拆法 估计量的方差与偏置 正规化参数的选择 举例 a) Tikhonov 规则 b) MaxEnt 规则