<미시> 불확실성 관련 배경지식 : 확률과 분산 및 표준편차
·
Learning-Log/Economics
임봉욱저 미시연습을 풀다보면 불확실성파트에서 괴랄한 문제가 나온다. 링크 이 링크를 참조하자. 요약 ●기댓값은 평균이다 ●기댓값은 변수에만 갖다붙일수있다(상수 빼낼수있다. 평균이니까! 당연하지) ●분산은 편차의 제곱의 평균(기댓값)이다 (따라서 식정리하면 변수제곱의 평균-변수평균의 제곱) ●표편은 분산에 루트를 씌우자 ●분산 정의역에 상수가있으면 계수만 제곱시키고 변수에 대한 분산으로 정리가능하다 ●표편은 분산을 거쳐서 정리하면 계수가 절대값씌워진다.
<경제수학> 자연로그를 취하는 이유
·
Learning-Log/Economics
간단히 축약하자면 1. 비선형적 데이터값을 선형함수로 나타내어 관계의 의미를 보다 직관적으로 파악하기 위해 2. 더 나아가 밀집된 데이터군집을 현미경으로 들여다보듯 보다 정밀하게 관찰하기 위해 자세한 설명은 "다른 블로거의 좋은 글"로써 대신함
<경제학> 극대화, 극소화 조건
·
Learning-Log/Economics
1. 1계 필요조건 f.o.c ●정리 수리적: 목적함수의 1계 도함수 값 = 제약식의 1계 도함수 값 기하적: 목적함수의 기울기 = 제약식의 기울기 ●설명 1계 도함수 값 (= 그래프의 기울기)이기 때문 일반적인 2차함수에서는 y=y절편값 이 제약식 역할을 하기때문에 1계도함수 값이 0이되는 지점에서 극단값을 가지지만, (y=상수 의 기울기는 0) 경제학에서는 명시적인 제약식이 존재하므로 그것을 기준으로 기울기를 일치시켜야함 ●결과 극단값을 도출 ●경제학적 함의 직관적인 한계원리를 수리,기하적 원리로 풀어냄. 2. 2계 충분조건 s.o.c ●정리 2계 도함수 값 >0 이면 극소값 2계 도함수 값 0 이면, 기울기가 음수에서 0 그리고 양수로 변하고 있는 그래프 이므로 극소값 2계 도함수