Definicja klasyczna. Prawdopodobieństwo warunkowe i całkowite. Zmienne losowe i ich parametry. Niezależność. Prawa wielkich liczb oraz centralne twierdzenia graniczne i ich zastosowania.
Czy ma ktoś pomysł w jaki sposób to udowodnić: \(\displaystyle{ VaR_{ \alpha }\left( X\right) \le ES_{ \alpha} \left( X\right)}\).
gdzie: \(\displaystyle{ X - hbox{zmienna losowa}\ alpha in left[0,1
ight)\ F_{X} - hbox{dystrybuanta zmiennej losowej X}\VaR_{ alpha }left( X
ight)=infleft{ x: F_{X}(x) ge alpha
ight} hbox{Value at risk}\ES_{ alpha} left( X
ight)= frac{1}{1- alpha } int_{ alpha }^{1}VaR_{u}left( X
ight) mbox{d}u hbox{Expected shortfall}}\)
VaR i ES są miarami ryzyka: