3.1 极大似然 3.2 隐变量 3.3 EM算法 3.4 混合高斯模型中的EM思想 3.5 论文举例

7.1 基本概念与性质 7.2 Gauss:过程 7.3 Brown运动的鞅性质 7.4 Brown运动的Markov性 7.5 Brown运动的最大值变量及反正弦律 7.6 Brown运动的几种变化 7.7 高维Brown运动

前面讨论的简单随机抽样和分层抽样,我们所关心的参 数都是单指标的,给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况,我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时,遇到的统计量不再是线 性形式,往往呈现出非线性形式,比如两个变量之比,或呈 现变量之间的回归关系

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

Array Variables (数组变量) 数组是多个数据元素的有限有序集合， 元素的类型可以是基本数据类型或对象 引用，可以随机访问数组中的元素

不确定性是现代经济和金融理论经常涉及到的一个焦点问题。例如，宏观经 济波动的不确定性、金融市场上收益的不确定性以及外汇市场上各国汇率的不确 定性等。在模型分析中，经济或金融变量的不确定性一般用方差来进行描述和度 量。而且为了分析简洁，通常对模型作出一些假定，例如在回归模型中假定随机 扰动项满足零均值、同方差和互不相关

由于虚假回归问题的存在，在回归模型中应避免直接使用不存在协积关系的非平稳变 量。因此检验变量的平稳性是一个必须解决的问题。在第二章中介绍用相关图判断时间序列 的平稳性。这一章则给出序列平稳性的严格的统计检验方法，即单位根检验。 在介绍单位根检验之前，先认识四种典型的非平稳随机过程

前面讨论的简单随机抽样和分层抽样，我们所关心的参 数都是单指标的，给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况，我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时，遇到的统计量不再是线 性形式，往往呈现出非线性形式，比如两个变量之比，或呈 现变量之间的回归关系

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程

一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳性的单位根检验 五、单整、趋势平稳与差分平稳随机过程