首先是概率的最基本术语。
随机变量（random variable）：随机事件中不确定的变量。
结果（result）：事件中观测到的随机变量的取值。
事件（event）：指一组具体的实验结果。
互斥事件（mutually exclusive event）:不可能同时发生的事件。
完备事件（exhaustive envet）：事件包含了所有可能发生的结果。
在CFA教材里，probability指频率，absolute frequency绝对频率，也可理解为概率。
概率有两条最广为人知的性质，即概率P的取值范围是[0,1]，及所有事件概率之和为1。
概率分为客观概率及主观概率。客观概率包括经验概率（empirical probability），通过分析过去得到的将来。先验概率（prioi probability），分析过去得到过去的推理。以及主观概率（subjective probability），基于直觉或主观的。
E事件发生的优比（odds for an event）：P(E)/(1-P(E))
E事件不发生的优比（odds against an event）:(1-P(E))/P(E)
无条件概率（unconditional probability/marginal probability），又称边际概率P（A），指不考虑其他事件发生的影响。与之对应的是条件概率（conditional probability），即P(A/B)，指事件B发生的条件下，事件A发生的概率。
联合概率（joint probability），即P(AB)，即事件A和B同时发生的概率。
乘法法则（multiplication rule），用来计算两个事件的联合概率。
加法法则（addition rule），用于计算事件A或事件B至少有一个发生的概率。
独立事件（independence），事件A的发生对于事件B的发生没有任何影响。如果事件A和B独立，那么AB一定不是互斥事件。
期望（expected value）的本质是求加权平均数。
协方差（covariance），协方差衡量的是一个随机变量随着另一个随机变量的变化而变化的关系。该值取值范围为负无穷至正无穷。
相关系数（correlation coefficient），可以被看作是协方差的标准化，是协方差除以两个变量的标准差。相关系数衡量的是两个随机变量之间的线性关系。
需要注意的是，即使两个变量的相关系数为零，也无法判断出两个事件相互独立，因为相关系数只是衡量了两者之间的线性关系。但是两个独立事件却可以得出两个随机变量间的相关系数为零，因为两者独立表示了两个随机变量之间没有任何关系，包括线性关系。
散点图（scatter plot）是用来描述平面上两个维度中两组数据关系的图。
伪相关（spurious correlation）是指两个变量之间不存在相关关系，但是变量的部分样本数据之间却表现出一定的相关关系。最常见的三类伪相关如下：样本数据之间的相关性是偶然决定的，由第三个变量的存在而导致的或均与另一组数据相关而导致。
组合（portfolio）是由多种资产构建而成，这个组合的收益（return）可以通过加权平均求得。
贝叶斯公式（Bayes rule）是根据市场突发状况，调整先前观念的一种理性方法。
乘法规则（multiplication rule），如果完成一件事需要K个步骤并且每完成一个步骤可以有N种方法，那么完成一件事，总共有N1N2N3...Nk种方法。
阶乘（factorial）：n!=n(n-1)....2*1
贴标签问题（labeling）指存在N个物体，每个物体被贴上1种标签，总共有I类标签。
排列公式（permutation）为n!/(n-r)!
网友评论