前面两 节已为 检验单 位根做了理论准备。 下面我们讨论 Dickey— Fuller 建 立的单位根检验法。 任何一个序列 都有其 自身的真实生成过程。 Dickey—Fuller 假设 数据序列是由 下列两 种模型 之一产生：

DF 检验要求模型 的随机 扰动项 t e 独立同分 布。但在实际应用中这 一条件往往不 能满足（如上一节中的有关例子）。一般来说，如果估计 模型的 DW 值偏离 2 较大，表明随机扰动 项是序列相关的，在这种情 况下使用 DF 检验可能会导致偏误，需要 寻找新的检验方法

一、单位根过程 1、平稳过程与非平稳过程的差异 平稳时间序列具有如下特性： 具有常定均值，序列围绕在长期均值周围波动；

一、自回归模型（AR） 由于经济系统惯性的作用，经济时间序列往往存在着前后依存关 系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时 期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回 归模型：

1. 已知随机变量 X服从参数为1/2的指数分布，则随机变量 Z=3X-2的数学期望E（Z）=（ ）

二维随机变量(X,作为一个整体,具有联合分 布函数F(x2y),而X,Y各自都是随机变量,它们也 有自己的分布函数Fx(x),F().相对于二维随机变 量(X,)的联合分布函数,我们分别称Fx(x),Fr() 为X和Y的边缘分布函数。相应地,也有边缘概率密 度和边缘分布律的概念。我们将它们统称为边缘分 布

一只与区间长度有关,与区间的位置无关。即X落在两 个长度相等的区间内的概率相等。具有上述特点的随 机变量便是均匀分布的随机变量。 如:测量物体长度时读数的舍入误差服从均匀分 布。在(a,b)上随机掷质点

就随机现象而言，仅仅知道可能发生哪些 事件是不够的，更重要的是对事件发生的可能 性做出定量的描述.这就涉及到一个概念——事 件的概率(Probability)

生产实际中遇到的线性规划问题常常是规模很大的，如果约束条件多到超过计算机容量 的程度，就会给求解造成困难。为了克服这一困难，对于大型问题，针对其具体结构，往往 可把它分解成几个较小问题来处理，这类方法称为分解算法

是一非线性方程组，可以动用求解非线性方程组的手段处理，不过这也是相当复杂的问题，何 况若 f x( ) 不可微，此路便行不通，故通常都采用使目标函数逐次下降的搜索方法