第一节 卡平方的定义和分布 第二节 卡平方在方差同质性测验中的应用 第三节 卡平方适合性测验 第四节 卡平方独立性测验 第五节 卡平方的可加性和联合分析

§1 随机变量的数学期望 §2 随机变量函数的数学期望 §3 随机变量的方差 §4 协方差与相关系数 §5 独立性与不相关性、矩

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

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

在上一章,为了得到投资者的最优投资组合,要求知道: 1、回报率均值向量 2、回报率方差-协方差矩阵 3、无风险利率 估计量和计算量随着证券种类的增加以指数级增加

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

通常把生产实践与科学实验中的结果,如产品的性能, 产量等统称为指标,影响指标的因素用A,B,C,…,表示。 因素在试验中所取的不同状态称为水平,因素4的不同水 平用A1,A2表示。 在一项试验中,如果让一个因素的水平变化,其他因素 水平保持不变,这样的试验叫做单因素试验。处理单因 素试验的统计推断问题称为单因素方差分析或一元方差 分析。类似地可定义多因素方差分析。本节先介绍单因 素方差分析

问题的提出 在前述各章中我们假定随机扰动项服从均值=0,方差 等于(常数),独立同分布。但是,并没有假定随机扰 动项服从何种具体的分布。 由于没有假定服从何种具体的分布,因而无法计算随 机扰动项取不小于某值的概率,因而也无法计算估计量 取某种值的概率,也就无法对统计量进行假设检验和进 行区间估计

一、单个总体均值μ的检验 二、单个总体方差σ2的检验 三、小结

1.为什么要管理财务风险? 2.如何设定风险管理目标? 3.对冲的均值方差模型 4.德国金融公司的原油期货交易