1907年由俄罗斯数学家马尔可夫（A.Markov）提出， 并由蒙特-卡罗(Mote-Carlo)加以发展。 用于分析随机事件未来发展变化的趋势，即利用某 一变量的现状和动向去预测该变量未来的状态及动 向，以预测未来某特定时期可能发生的变化，以便 采取相应的对策

第一节 概 率 第二节 随机变量及其分布 第三节 随机变量的数字特征 第四节 矩母函数和特征函数 第五节 条件期望 第六节 指数分布 第七节 收敛性和极限定理

第一节 引 言 第二节 随机微分方程的求解 第三节 随机微分方程的主要形式 第四节 股票价格对数正态分布的特性

实验结果一般不能直接与理想的数学分布相比较,这是因为理论模型所 要求的一些实验条件是无法达到的

一、随机向量的概念 多维随机变量也就是多个随机取值的变量,也称为随机向量。定义如果随机变量X1…Xn定义在同一概率空间(,3,P)上,则称

1.1 Excel基本操作 1.2 工作表的操作 1.3 公式与函数的操作 1.4 分类汇总与数据透视表 1.5 图形与图表的操作

第一节,连续时间金融的基础数学知识 第二节, Merton(1969)的开创性论文; 第三节,讲解 Black-Scholes—模型; 第四节,简单回顾最新连续时间金融理论研究

第一章 概率论基础 第二章 样本 第三章 回归分析 第四章 方差分析与试验没计 第五章 函数计算 第六章 线性计算

到此为止我们已经学习了有关解二阶线性偏微分方程 自的各种解法。我们已看到这些解法都是以线性迭加原理为 基础的(分离变量法的解是求和,可数个的迭加;而行波 法、格林函数法、积分变换法的解是积分,不可数的连续 的累加)因此这些解法对于求解非线性方程显然不够用

数学归纳法的公式表示： [P(1) ∧ m(m  1 ∧ P(m) → P(m+1))] →  n P(n) 1、归纳基础：P(1) 2、归纳步骤： m (m  1 ∧ P(m) → P(m+1))