美文网首页
概率统计3:一元随机变量及其分布

概率统计3:一元随机变量及其分布

作者: jiat494 | 来源:发表于2020-05-27 17:39 被阅读0次

    随机变量:X: S\rightarrow \Omega . 比如,考虑总统候选人的选举。定义X(win)=1, X(fail)=0, 则Ω=(0,1) 此时的样本空间已经转换为0-1,将概率理论应用到political science。随机变量也有可能是从大数据的文本分析中得到的,例子包括:主观幸福感;投资者情绪指数;经济政策不确定性指数(EPU)等等。

    从第二章基于样本空间的probability space过渡到新的基于Ω的probability space。新的计算event的概率的方法采用equivalent event的方法。

    混合分布:F(x)=pF_1(x)+(1-p)F_2(x). F表示cdf. 例如收入,有90%的样本是从F1获得的,10%的样本是从F2获得的。那么权重p=0.9。Regime-Switching Models: Capturing Structural Changes …

    接着讲了cdf的一些应用,例如洛伦兹曲线、一阶(二阶)随机占优。

    经济学中我们通常不是对某个随机变量的分布感兴趣,而是对某个随机变量的函数的分布感兴趣。比如X表示价格,Y=X^2或者Y=|X|可以表示波动率。例如,Y=g(X)可以表示效用函数,在行为经济学里,用分段的效用函数表示风险厌恶。

    定理1:PIT: 概率积分变换。对于随机变量X,若F_X(x)单调递增,Y=F_X(X),则Y服从(0,1)上的均匀分布。

    用途1:生成任意分布的随机数序列。原理:第一步生成Y~U(0,1),第二根据F_X(x)=y求解x.

    用途2:检验数据序列 {{X_i}} 是否是从某个分布得到的。原理:原假设H0:Xi服从 F_0(x)分布。构造Y=F_0(X),根据empirical CDF of Xi 转换得到的数据序列 { Yi} ,检验Yi是否服从U(0,1)。具体的统计工具可以参考QQ图。

    定理2:PDF转换:对于随机变量X,Y=g(X)且g( )单调,若已知f_X(x),则可求f_Y(y)根据:

    当从图形的角度理解数学公式时,必须要对概念非常清晰,否则无法对应。

    例子:欧式期权的价格区间. Y=max(X-K,0)是一个凸函数,因此E(Y)=E(max(X-K,0))\geq max(E(X)-K,0)。所以期权是有价值的。在价格居于LHS和RHS的区间内都是可以成交的。

    矩母函数:概念

    矩母函数唯一性定理:矩母函数相同,等价于分布函数相同

    矩母函数收敛性定理:当n趋近于无穷大时,序列Xn的矩母函数收敛,则其分布函数也收敛。记作Xn依分布收敛于Fx(x). 这个定理是中心极限定理的基础。

    相关文章

      网友评论

          本文标题:概率统计3:一元随机变量及其分布

          本文链接:https://www.haomeiwen.com/subject/ngqgahtx.html