國立東華大學應用數學系
學 生 演 講

一、 主講人：蔡承恩
講　題：利率定義及應用
時　間：99年6月18日(星期五) 15:10-15:30
摘　要：
利率會影響每個人，影響的效果涵蓋了，如銀行帳簿的存款利息、信用卡和房貸，或者資本市場的利息收益等等。瞭解使用利率應用在財務計算上，對於我們所擁有的財產，如何受利率衝擊而影響我們的生活，勢必要有更多的認知。

利息是投資這筆錢(或本金)所賺取的收入。原始本錢的投入稱為本金，本金和利息的加總稱為終值(Future value)。轉換成利息的比率大部分又稱為利率，即在某一單位時間從本金所賺取到利息的比例。

在這次的演說中，使大家認識一些基本的利率算法還有單利、複利以及年金使用時機。

出處：David M. Knox (1993) Mathematics of Finance. 施能仁 翻譯

二、 主講人：姚德凱
講 題：Normal Correlation Models 及 Standardized Multiple Regression Models
時 間：99年6月18日(星期五) 15:30-15:50
摘　要：
Normal Correlation Models 及 Standardized Multiple Regression Models是迴歸分析上的兩種特殊模型。我將先簡單的介紹上述兩種模型的型式及其適用情形，另外將以適當的例子說明如何檢定和估計這兩種模型的參數，並討論他們參數之間的相關性。

參考書籍：
Michael H. Kutner, Christopher J. Nachtsheim, John Neter, William Li (2005). Applied Linear Statistical Models. 5th Edition. McGRAW. Chapter 2.11 & 7.5

三、 主講人：謝昆凌
講　題：Generating a Random Sample by Quantile Functions
時　間：99年6月18日(星期五) 15:50-16:05
摘　要：
In this presentation, we will introduce how to generate a random sample from a given distribution by using a quantile function, which is nothing but the inverse of a cumulative distribution function F when F is continuous and has an inverse. This method is useful for generating both continuous and discrete deviates when the quantile function has a closed form. We will illustrate the method by simulating exponential distribution and discussing the distribution of sample variance of a Poisson sample.

References:
George Casella and Roger L. Berger (2001), Statistical Inference. 2nd Edition. (Publisher?) Chapter 5.6.1-5.6.2.


四、 主講人：簡佩君
講　題：Generating a Random Sample by Accept-Reject Method
時　間：99年6月18日(星期五) 16:05-16:25
摘　要：
The traditional method of generating random variable is inverse CDF method. When cumulative distribution functions cannot be expressed in closed form, we will (one could) use others (other methods). An alternative to the inverse CDF method is the Accept-Reject method. This method is suitable for pdf having closed form (when the associated pdf has a closed form). We would introduce Accept-Reject Method and simulate a sample from Beta distribution as an example.

Reference：
George Casella and Roger L. Berger (2001), Statistical Inference. 2nd Edition. (Publisher?) Chapter 5.6.2-5.6.3.