你想弄懂什么？

100% 等于 1，因为它代表分数 $100/100$。当一个分数的分子和分母是相同的非零数字时，该分数的值恰好是一个整体。

适用条件：百分数值是 100。；分母是 100。

100% 等于 1，因为它代表分数 $100/100$。当一个分数的分子和分母是相同的非零数字时，该分数的值恰好是一个整体。

适用条件：百分数值是 100。；分母是 100。

正面的期望数量为 50，因为像这样的计数实验的期望值计算为试验次数乘以每次试验成功的概率。对于 100 次抛掷和公平硬币（正面概率 = 0.5），计算为 $100 \cdot 0.5 = 50$。

适用条件：硬币是公平的。；每次试验有 100 次抛掷。；$X$ 计算正面的数量。

正面的期望数量为 50，因为像这样的计数实验的期望值计算为试验次数乘以每次试验成功的概率。对于 100 次抛掷和公平硬币（正面概率 = 0.5），计算为 $100 \cdot 0.5 = 50$。

适用条件：硬币是公平的。；每次试验有 100 次抛掷。；$X$ 计算正面的数量。

使用等式约束是因为客户订单要求恰好供应 1000 个单位。问题规定订单必须精确满足，这意味着不允许欠产（短缺）或超产（盈余）。

适用条件：问题涉及履行特定的客户订单。；订单数量是固定的，必须精确满足。；不允许或不希望超产或欠产。

使用等式约束是因为客户订单要求恰好供应 1000 个单位。问题规定订单必须精确满足，这意味着不允许欠产（短缺）或超产（盈余）。

适用条件：问题涉及履行特定的客户订单。；订单数量是固定的，必须精确满足。；不允许或不希望超产或欠产。

该示例得出此结论是因为在给定时间 2 的信息下，折现的时间 3 股票价格的条件期望等于折现的时间 2 股票价格。具体来说，$\mathbb{E}_2\left[\frac{S_3}{(1+r)^3}\right] = 82.64$ 且 $\frac{S_2}{(1+r)^2} = 82.64$，满足鞅条件 $M_n = \mathbb{E}_n[M_{n+1}]$。

适用条件：期望是在风险中性概率 $p = 2/3$ 下取的。；折现使用利率 $r = 0.1$。

该示例得出此结论是因为在给定时间 2 的信息下，折现的时间 3 股票价格的条件期望等于折现的时间 2 股票价格。具体来说，$\mathbb{E}_2\left[\frac{S_3}{(1+r)^3}\right] = 82.64$ 且 $\frac{S_2}{(1+r)^2} = 82.64$，满足鞅条件 $M_n = \mathbb{E}_n[M_{n+1}]$。

适用条件：期望是在风险中性概率 $p = 2/3$ 下取的。；折现使用利率 $r = 0.1$。

样本均值收敛到 50，因为 50 是随机变量 $X$（100 次公平抛硬币中的正面数量）的期望值 $E(X)$。根据大数定律，当试验次数 $n$ 趋于无穷大时，样本均值 $\overline{X}_n$ 趋近期望值。

适用条件：硬币是公平的。；$X$ 计算 100 次抛掷后的正面数量。；$n$ 趋于无穷大。

样本均值收敛到 50，因为 50 是随机变量 $X$（100 次公平抛硬币中的正面数量）的期望值 $E(X)$。根据大数定律，当试验次数 $n$ 趋于无穷大时，样本均值 $\overline{X}_n$ 趋近期望值。

适用条件：硬币是公平的。；$X$ 计算 100 次抛掷后的正面数量。；$n$ 趋于无穷大。

状态价格 $\psi_j$ 代表阿罗-德布鲁证券的价格，它们是货币价值，不一定总和为 1。转换后的向量 $q_j$ 代表风险中性概率，通过将每个状态价格乘以总无风险因子 $(1+i)$ 获得。

适用条件：市场是单期有限状态模型。；$\psi_j$ 是求解出的状态价格（阿罗-德布鲁证券价格）。；$i$ 是每期无风险利率。；$q_j$ 定义为 $q_j = (1+i)\psi_j$。

状态价格 $\psi_j$ 代表阿罗-德布鲁证券的价格，它们是货币价值，不一定总和为 1。转换后的向量 $q_j$ 代表风险中性概率，通过将每个状态价格乘以总无风险因子 $(1+i)$ 获得。

适用条件：市场是单期有限状态模型。；$\psi_j$ 是求解出的状态价格（阿罗-德布鲁证券价格）。；$i$ 是每期无风险利率。；$q_j$ 定义为 $q_j = (1+i)\psi_j$。