4.1 Introduction to Asymptotic Theory 4.2 Framework and Assumptions 4.3 Consistency of OLS 4.4 Asymptotic Normality of OLS 4.5 Asymptotic Variance Estimation 4.6 Hypothesis Testing 4.7 Testing for Conditional Homoskedasticity 4.8 Conclusion

利用函数的性态如函数的单调性、极值、凹性、 拐点、渐近线及基本性质如周期性、对称性等;再 利用描点(特殊选点)作图,就可比较准确地作出函数图 形.描绘函数图形的一般步骤是: (1)确定函数y=f(x)的定义域,讨论其周期性和对称性; (2)确定曲线的渐近线;

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)

一、分布函数的概念 定义 对任意实数x，称F(x)=P{X≤x}为R.V. X的分布函数。 F(x)为普通函数

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

在本节中，我们重点讨论二维随机变量，三维或更多维的随机变量的许多概念和结论是二维随机变量的推广

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

定义称随机变量X,Y相互独立,若对任意a