第8章概率论基础.PDFVIP

第8 章 概率论基础 7 基础微积分 7 线性代数 8 概率论 9 随机微积分 10 鞅 11 偏微分方程 11 数值方法 本章的学习目标 ÿ 理解概率的古典定义和测度定义及其基础性质； ÿ 理解随机变量的测度定义以及它的分布函数和密度函数； ÿ 了解随机变量的收敛方式和重要的收敛定理； ÿ 掌握数学期望的测度定义和性质； ÿ 理解条件概率和数学期望的测度定义； ÿ 掌握条件数学期望的重要性质，明确独立性的涵义； ÿ 掌握随机变量的重要数值特征，如方差、协方差、矩母函数和特征函数； ÿ 了解线性概率空间的概念和它同一般线性空间的联系； ÿ 熟练掌握几种重要分布的定义、数值特征以及它们在构造金融模型中的应用； ÿ 了解大数定理和中心极限定理。 （微观）金融理论研究涉及的核心问题有两个，一个是不确定性，另一个是时间或者 说动态过程。而概率理论正是构造不确定环境下金融模型的基本工具，而且它还是第九章 随机过程理论的基础，因此它在金融分析和金融分析工具中的重要性是不言而喻的。 我们这样安排本章内容：首先简要地回顾初等概率论中概率和随机变量的定义，然后 用严格的测度语言重新表述一次；接下来考察在随机分析中非常重要的数学期望和条件数 ① 学期望的概念和相关性质 ；然后进一步考察随机变量的主要数值特征。借助这些数值特征， ② 我们描述几个在研究金融资产价格运动时必须牢固把握的概率分布 ；最后则是对极限定理 ① 对于有经验的读者，建议在学习完以上内容后，直接进入与之紧密联系的第十章— — 鞅。 ② 按照国家现有的教学体系，大多数理工科的读者对于密度函数、条件期望等初等概率论中的内容相当熟悉，但是考虑到后续 微观金融学及其数学基础 的一个简要探讨。 8.1 概率公理和随机变量 8.1.1 初等情形 最早对于概率行为的研究兴趣可能来源于赌博游戏。例如，早期的研究者很认真地探 讨在抛硬币猜正反的赌博中，连续开20 次“花”的机会有多少？这里的概率一词可以做多 种理解： 1．首先，它可以被解释为基于某种实际测量的相对频率 （frequency）。例如，掷一枚 质地均匀的硬币，出现某一面朝上的频率最终会稳定下来。用N 表示试验总次数，用n 表 示某种情形发生的次数，则概率就可以定义为： n P （8- 1） N 显然，这个相对频率只有趋于稳定，该种概率定义才有意义。历史上有一些著名的例 子可以作为这种解释的脚注，如表8- 1 所示的系列掷硬币试验。 表8-1 作为频率意义上的概率 实 验 者 掷币总次数 出现正面次数 频 率 蒲丰 4, 040 2, 048 0.5068 皮尔逊 12, 000 6, 018 0.5016 皮尔逊 24, 000 12, 012 0.5005 尽管这种定义相当直观，并且在工程中广泛应用，但是怎样才算是所谓 “