Paul Joo的专栏

希腊字母简表字母名称国际音标大写字母小写字母字母名称国际音标大写字母小写字母alpha/'ælfə/Ααnu/nju:/Ννbeta/'bi:tə/或 /'beɪtə/

1.基本符号：＋ － × ÷（／） 2.分数号：／ 3.正负号：± 4.相似全等：∽ ≌ 5.因为所以：∵ ∴ 6.判断类：＝ ≠ ＜ ≮（不小于） ＞ ≯（不大于） 7.集合类：∈（属于） ∪（并集） ∩（交集） 8.求和符号：∑ 9.n次方符号：¹（一次方） ²（平方） ³（立方） ⁴（4次方） ⁿ（n次方） 10.下角标:₁ ₂ ₃ ₄ (如:A₁B₂C₃

期望E(X)离散型随机变量所有可能取值的一个加权平均 E[X]=∑x:p(x)>0xp(x)E[X]=\sum_{x:p(x)>0}xp(x)连续型随机变量 E[X]=∫∞−∞xf(x)dxE[X] = \int_{-\infty}^{\infty}xf(x)dx方差Var(X)离散型随机变量X与其期望的差的平方的期望 Var(X)=E[

设进行n次独立重复实验，每次试验成功的概率为p，失败的概率为1-p。若以X表示n次试验中成功的次数，那么X称为参数为(n, p)的二项随机变量。 参数为(n, p)二项随机变量的分布列为 p(i)=(ni)pi(1−p)n−ip(i)=(_i^n)p^i(1-p)^{n-i}

基于条件期望的预测我们关心的是根据t期观测到的一组变量XtX_t预测变量Yt+1Y_{t+1}。 令Y∗t+1|tY^*_{t+1|t}表示根据XtX_t作出的对Yt+1Y_{t+1}的预测。为了评价这个预测有用性，我们需要给出一个损失函数来表示当我们的预测偏离一个特定的量时我们的关心程度。通过假定一个二次损失函数，可以得到一个便利的结果。二次损失函数的含义是选择合适的Y∗t+1|tY^*_{t+

考察下面的ARMA模型: Yt=c+ϕ1Yt−1+ϕ2Yt−2+...+ϕpYt−p+ϵt+θ1ϵt−1+θ2ϵt−2+...+θqϵt−qY_t = c + \phi_1 Y_{t-1} + \phi_2 Y_{t-2} + ... + \phi_p Y_{t-p} +\epsilon_t + \theta_1\epsilon_{t-1} + \theta_2\epsilon_{t-2} +

差分方程所谓差分方程即将变量yty_t与它的滞后期联系起来的表达式。 研究变量在第t期的值记为yty_t。假定给出的动态方程将变量y第t期的值与另外的变量wtw_t以及y的前一期联系起来: yt=ϕyt−1+wty_t=\phi y_{t-1}+w_t 上述称为一阶差分方程是因为仅仅只有变量的一阶滞后(yt−1y_{t-1})出现在方程中。移动平均“移动平均”的含义源于YtY_t是最近两期的ϵ

线性空间一个非空集合V如果规定了加法运算和数量乘法(数域与V中元素的乘法)运算，并且满足类似于几何空间中的加法的4条运算法则和数量乘法的4条运算法则，那么称V是数域上的一个线性空间。线性映射线性映射是研究数量关系中最基本的“线性关系”（即均匀变化的关系）以及空间形式中最基本的变换（例如，几何空间中的旋转、镜面反射、投影等）。具有度量的线性空间以及度量有关的线性映射几何空间中有长度、角度、正交(即垂直