기호 대장 누적본 - Understanding World on Equation

회차마다 새로 등장한 기호를 여기에 누적한다. 24주가 끝나면 이 표가 경제·금융 표기 사전이 된다. 각 회차 2절의 다섯 칸 — 기호 · 종류 · 형상 · 차원·단위 · 한국어 이름 — 에 여섯째 칸 "첫 등장"을 붙였다. 같은 기호가 같은 뜻으로 여러 회차에 나오면 한 번만 적고 처음 나온 회차를 쓴다. 같은 글자가 다른 뜻으로 쓰이면 뜻마다 행을 따로 두고, 그 목록을 뒤의 “같은 글자, 다른 이름” 표에 모았다. 관문(W08·W16·W24)은 새 기호를 등록하지 않는다.

읽는 규약은 바이블 3.2와 편집장 전역 결정을 따른다. 종류는 {스칼라, 벡터, 행렬, 함수, 연산자, 집합, 확률변수, 확률과정, $\sigma$ -대수, 파라미터, 지표} 가운데 하나이고, 형상은 정의역→공역 또는 크기다. 차원은 [화폐]·[수량]·[시간 $^{-1}$ ]·무차원처럼 대괄호로 적으며, 효용의 단위 [효용]은 W04부터 차원 검사를 위해 붙인 임시 단위다. 한국어 이름은 통일 이름을 쓴다 — 가치함수(소비자 문제에서는 간접효용함수), 할인인자, 시간선호율, 상대적 위험회피도, 밀도 꼬리지수 $\gamma$ 와 생존함수 꼬리지수 $\zeta$ , 정책함수, 소멸행렬, 무위험 총수익률 $R_f$ , 확률적 할인인자 $m$ . 배율은 $t$ 이고 시간이 아니며(W01·W02·W04·W06), 시간 첨자는 W09부터 $t$ 다 — 그 앞에서 시간인 $t$ 는 W03의 지급 시점 $t_i$ 하나다. 전치는 $X'$ , 최적해는 $x^{*}$ , 정상상태는 $k^{*}$ , 벡터 1은 $\mathbf 1$ , 지표함수는 $\mathbf 1_A$ · $\mathbf 1\{\cdot\}$ , 사영 연산자는 W14부터 $\Pi$ (행렬은 W07의 $P$ )다.

누적 표¶

기호	종류	형상	차원·단위	한국어 이름	첫 등장
$x$	벡터(선택변수)	$\R^L_+$ ( $L\times 1$ )	[수량] (성분별로 단위가 다르다)	소비 묶음 — $\R^L_+$ 는 비음 orthant(소비집합); $x_\ell$ 은 재화 $\ell$ 의 소비량	W01
$p$	벡터(파라미터)	$\R^L_{++}$ ( $L\times 1$ )	[화폐/수량]	가격 벡터 — $\R^L_{++}$ 는 양의 orthant(가격의 정의역)	W01
$w$	스칼라(파라미터)	$\R_{++}$	[화폐]	소득 — 임금이 아니다(W01은 재산, W04는 예산)	W01
$L$	파라미터(자연수)	$\mathbb{N}$ , $1\le L<\infty$	무차원(개수)	재화의 수 — 노동이 아니다; $\ell\in\{1,\dots,L\}$ 은 재화 번호	W01
$u$	함수	$\R^L_+\to\R$	서수(단위 없음); W04부터 임시 단위 [효용], W11의 순간효용은 [효용/시간]	효용함수(W11 순간효용, W12·W13 기간효용도 같은 글자)	W01
$\max_{x}$ , $\arg\max_{x}$	연산자	$(u,S)\mapsto\R$ , $(u,S)\mapsto 2^{S}$	—	최대화 연산자 · 최대점 집합 — $x$ 는 묶인 변수	W01
$p\cdot x$	스칼라(내적)	$\sum_\ell p_\ell x_\ell$	[화폐]	지출(내적)	W01
$B(p,w)$	집합(대응)	$\R^L_{++}\times\R_{++}\rightrightarrows\R^L_+$	—	예산집합	W01
$x^{*}(p,w)$	벡터(대응; W04부터 함수)	$\R^L_{++}\times\R_{++}\rightrightarrows\R^L_+$	[수량]	최적 소비(마셜 수요) — 별표는 최적해; W05 $x^{*}(\theta)$ 는 최적해 함수	W01
$v(p,w)$	함수	$\R^L_{++}\times\R_{++}\to\R$	서수; W04부터 [효용]	간접효용함수(indirect utility function), 곧 가치함수(value function); W05 $v(\theta)$	W01
$t$	스칼라(보조변수)	$\R_{++}$	무차원	배율(동차성) — 시간이 아니다(W01·W02·W04·W06)	W01
$Y$	스칼라(변수)	$\R_{++}$	[산출/시간] 유량	산출(총생산)	W02
$K$	스칼라(변수)	$\R_{++}$	[자본] 저량	자본	W02
$L$	스칼라(변수)	$\R_{++}$	[사람]	노동투입	W02
$A$	파라미터	$\R_{++}$	$[Y][K]^{-\alpha}[L]^{-\beta}$ — $\alpha$ , $\beta$ 에 따라 달라진다	총요소생산성(기술수준; W10은 생산성 수준)	W02
$\alpha$	파라미터	$(0,1)$	무차원	자본분배율 = 자본의 산출탄력성	W02
$\beta$	파라미터	$(0,1)$	무차원	노동의 산출탄력성(노동분배율)	W02
$F$ , $F_K$ , $F_L$	함수, 편도함수	$\R^{2}_{++}\to\R_{++}$ , $C^{1}$	$[Y]$ ; [산출/(시간·자본)], [산출/(시간·사람)]	생산함수 · 자본·노동의 한계생산	W02
$\varepsilon_{Y,K}$	함수(값은 스칼라)	$\R^{2}_{++}\to\R$ , $\varepsilon_{Y,K}=\partial\ln Y/\partial\ln K$	무차원	탄력성(산출의 자본탄력성); W06 $\varepsilon_{x_1,p_1}$ , W17 $\varepsilon_{P,x}$	W02
$\ln$	연산자	$\R_{++}\to\R$	인수는 무차원이어야 한다; $d\ln K=dK/K$	자연로그	W02
$\nu$	파라미터	$\R_{++}$	무차원	동차 차수(규모수익의 차수); W19 상사 지수도 같은 구실	W02
$r$	파라미터(가격)	$\R_{++}$	[화폐/(자본·시간)]	자본 임대료율(W02·W05·W06)	W02
$k$ , $f(k)$	스칼라(변수) · 함수	$k=K/L$ , $f(k)=F(k,1)$ , $\R_{++}\to\R_{++}$	[자본/사람]; 입력 [재화/노동] → 출력 재화/노동/시간	자본노동비율(1인당 자본) · 집약형 생산함수	W02
$P(y)$	함수	$(-1,\infty)\to\R_{++}$	[화폐] (액면 1이면 무차원)	채권가격	W03
$y$	스칼라(변수)	$y>-1$	[시간 $^{-1}$ ] (연율)	만기수익률	W03
$\Delta$	연산자(변화분 접두어)	$\Delta y:=$ 유한한 변화, $\Delta P:=P(y+\Delta y)-P(y)$	피연산자와 같음	변화분 — $\Delta$ 곱하기 $y$ 가 아니다; W04 소득 변화분	W03
$c_i$ , $t_i$	스칼라(수열), $i=1,\dots,n$	$c_i\ge 0$ ; $0<t_1<\dots<t_n$	[화폐]; [시간]	$i$ 번째 현금흐름 · 지급 시점 — W09 이전에 $t$ 가 시간인 유일한 자리	W03
$D_M$ , $D$ , $C$	스칼라( $y$ 의 함수)	$\R_{++}$	[시간]; [시간]; [시간 $^{2}$ ]	맥컬리 듀레이션 · 수정 듀레이션(반탄력성) · 컨벡시티	W03
$O(\cdot)$	표기(연산자)	함수의 동치류	—	차수 기호(Landau)	W03
$\nabla u(x)$ , $u_\ell(x)$	벡터·스칼라(함수)	$\R^{L}_{+}\to\R^{L}$	[효용/수량]	한계효용 벡터 · 그 $\ell$ 번째 성분	W04
$\mathcal{L}$	함수	$\R^{L}_{+}\times\R_{+}\times\R^{L}_{+}\to\R$	[효용]	라그랑지안 — 제약함수 $g_j\ge 0$ 을 $+\lambda_j g_j$ 로 넣는다	W04
$\lambda$ , $\lambda_j$	스칼라(승수)	$\R_{+}$ ; $j=1,\dots,m$	[효용/화폐]; [효용]/[ $g_j$ 의 단위]	잠재가격(shadow price) — 등식(예산·자원) 제약의 승수; W13 $\lambda_t$ , W21 $\lambda_i$ , W23 $\lambda_1,\lambda_2$	W04
$\mu$	스칼라(승수)	$\R_{+}$	[효용/수량]; W23의 차입 한도에서는 [효용/화폐]	부등식 제약의 승수(비음 제약; W23 차입 한도)	W04
$\beta$	파라미터	$(0,1)$	무차원	할인인자(discount factor); W11 $\beta=e^{-\rho}$ , W12–W15·W22·W23	W04
$o(\cdot)$	표기(연산자)	함수의 동치류	—	소차 기호(Landau) — $f=o(\Delta)$ 는 $f/\Delta\to0$ 이고 W03의 $O(\Delta)$ 보다 강하다	W04
$\theta$	파라미터	$\Theta\subseteq\R$ , 열린 구간	문맥에 따름 — 가격이면 [화폐/수량], 세율이면 무차원	외생 파라미터(매개변수); W22 모수 $\theta\in\Theta\subseteq\R^{p}$	W05
$f(x,\theta)$	함수	$X\times\Theta\to\R$	[효용] 또는 [화폐]	목적함수	W05
$\partial f/\partial\theta$ , $dv/d\theta$	연산자(편미분 · 전미분)	$x$ 고정 · $x^{}(\theta)$ 가 따라 움직임; $\vert_{x=x^{}(\theta)}$ 는 최적점 대입	$[f]/[\theta]$	직접효과 · 가치함수의 기울기	W05
$e(p,\bar u)$ , $h(p,\bar u)$	함수, 함수(벡터값)	$\R^{L}_{++}\times\R\to\R$ ; $\R^{L}_{++}\times\R\to\R^{L}_{+}$	[화폐]; [수량]	지출함수 · 힉스 수요(보상수요)	W05
$F(x,\theta)$ , $F_x$ , $F_\theta$	함수, 편도함수	$X\times\Theta\to\R$ (일반형 $\R^{n}\times\R^{k}\to\R^{n}$ )	$[f]/[x]$ ; $[F]/[x]$ , $[F]/[\theta]$	균형조건(1계 조건) 함수 · 복원 기울기 · 파라미터의 밀기	W06
$dx^{*}/d\theta$	스칼라(전도함수)	$-F_\theta/F_x$	$[x]/[\theta]$	비교정학 도함수	W06
$\bar H$	행렬	$3\times 3$ 대칭	블록별로 다름	유계 헤시안	W06
$y$	벡터	$\R^n$	$[y]$	종속변수 관측 벡터	W07
$X$ , $X'$	행렬	$n\times k$ ( $n\ge k$ ) · $k\times n$	열 $j$ 마다 $[x_j]$	설명변수 행렬(계획행렬) · 전치(프라임)	W07
$\beta$ , $\hat\beta$	벡터	$\R^k$	$[y]/[x_j]$	회귀계수 · 최소제곱 추정치; W10 $\beta$ -수렴, W22 $\beta_0,\beta_1$	W07
$P$	행렬(선형사상)	$n\times n$ ; $\R^n\to\R^n$ , 치역은 열공간 $\mathcal C(X)\subset\R^n$	무차원	사영행렬(projection matrix)	W07
$M=I-P$	행렬(선형사상)	$n\times n$ ; 치역 $\mathcal C(X)^{\perp}$	무차원	소멸행렬(annihilator); $e=My$ 는 잔차, $\hat y=Py$ 는 적합값, $\tilde X_1=M_2X_1$ 은 잔차화된 변수; W22 $M_G$	W07
$\mathbf 1$ , $I$	벡터, 행렬	$\R^n$ , $n\times n$	무차원	1 벡터(상수항 열) · 항등행렬	W07
$n$ , $k$	지표(정수)	—	무차원	관측 수(표본 크기) · 설명변수 수; W22 $n$	W07
$\lVert v\rVert$	함수(노름)	$\R^n\to\R_+$ , $\lVert v\rVert^2=v'v$	$[v]$	유클리드 노름(첨자 없음); W14 $L^2$ 노름	W07
$K_t$ , $K(t)$ , $\dot K$	스칼라(수열의 항), 함수, 도함수	$\mathbb{Z}_+\to\R_+$ ; $\R_+\to\R_+$ ; $\dot K=dK/dt$	[화폐]; [화폐]; [화폐/시간]	자본 저량(이산·연속) · 시간변화율 — 점은 $d/dt$ ; $I_t$ 는 기간 투자액 [화폐], $I$ 는 투자율 [화폐/시간]	W09
$\delta$	파라미터	$\R_{++}$	[시간 $^{-1}$ ]	감가상각률(연속 강도; W10·W11)	W09
$\delta_\Delta$	파라미터	$(0,1)$	무차원	기간 감가상각률(기간당 비율); W12의 $\delta$ 는 $\Delta=1$ 인 이것	W09
$\Delta$	파라미터	$\R_{++}$	[시간]	스텝 길이(기간 길이); W13·W19	W09
$t$ , $j$	지표	$t\in\R_+$ 또는 $\mathbb{Z}_+$ ; $j\in\mathbb{Z}_+$	[시간]; 무차원	시각(시간 첨자, W09 이후) · 스텝 번호( $t_j=j\Delta$ )	W09
$W_t$ , $dW$	확률과정, 증분	$\Omega\times\R_+\to\R$ ; $W_{t+\Delta}-W_t\sim N(0,\Delta)$	[시간 $^{1/2}$ ]	위너 과정(Wiener process) · 위너 증분; $\varepsilon_j=(W_{t_j}-W_{t_{j-1}})/\sqrt{\Delta}$ 는 표준정규 충격(구간 $[t_j,t_{j+1}]$ 의 충격은 $\varepsilon_{j+1}$ )	W09
$\sigma$	파라미터	$\R_+$	[화폐/시간 $^{1/2}$ ]	확산계수(diffusion coefficient); W15·W19 변동성 [시간 $^{-1/2}$ ]	W09
$K^{}$ , $k^{}$	스칼라	$I/\delta$ ; W10 $sf(k^{})=(n+\delta)k^{}$	[화폐]; [재화/노동]	정상상태(고정점)	W09
$\E[\cdot]$ , $\Var(\cdot)$	연산자	$L^1\to\R$	피연산자의 차원 보존(분산은 제곱)	기댓값 · 분산(무조건부)	W09
$s$	파라미터	$(0,1)$	무차원	저축률(W10·W11)	W10
$n$	파라미터	$\R_+$	[시간 $^{-1}$ ]	인구(노동)증가율	W10
$\lambda$	스칼라(파생 파라미터)	$\R_{++}$ , $\lambda=-\phi'(k^{*})$	[시간 $^{-1}$ ]	수렴속도; W11의 고유값 $\lambda_1<0<\lambda_2$ 는 이 뜻의 확장( $\lambda=-\lambda_1$ )	W10
$t_{1/2}$	스칼라	$\ln 2/\lambda$	[시간]	반감기	W10
$c$ ( $c_t$ )	함수 · 통제변수(점프변수)	$[0,\infty)\to\R_+$ ; W13부터 확률과정	[재화/시간]; W12·W13 [수량]	1인당 소비 흐름 · $t$ 기 소비	W11
$\rho$	파라미터	$\rho>0$	[시간 $^{-1}$ ]	시간선호율(할인율); $\beta=e^{-\rho}$	W11
$\sigma$ · $\gamma$	파라미터	$\R_{++}$	무차원	상대적 위험회피도(relative risk aversion) — W11은 $\sigma$ , W13·W22는 $\gamma$ ( $\sigma\equiv\gamma$ )	W11
$\mu_t$	함수 · 공상태변수	$[0,\infty)\to\R_{++}$	[효용/재화]	자본의 잠재가격(공상태변수) — W11만 등식 제약의 승수를 $\mu$ 로 쓴다	W11
$H$	함수	$(k,c,\mu)\mapsto\R$	[효용/시간]	현재가치 해밀토니안	W11
$J$ ; $\lambda_1$ , $\lambda_2$	행렬; 스칼라	$2\times 2$ ; $\lambda_1<0<\lambda_2$	성분별로 다름; [시간 $^{-1}$ ]	정상상태 야코비안 · 안정·불안정 고유값( $\operatorname{tr}J$ , $\det J$ 가 고정점의 종류를 정한다)	W11
$c(k)$ , $c^{*}(k)$	함수	$\R_+\to\R_+$ (W11); $K\to\R_+$ (W12)	재화/시간; 수량	정책함수(policy function) — W11 소비 규칙, W12 벨만 최대화의 해	W11
$\Gamma(k)$ ; $g(k,c)$	함수(집합값 — 대응); 함수	$K\rightrightarrows\R_+$ , $\Gamma(k)=[0,y(k)]$ ; $K\times\R_+\to K$ , $g=y(k)-c$	—; [수량]	실현가능 대응 · 전이함수(다음 기 자본, $k'$ 대신)	W12
$V$ , $W$	함수(공간의 점)	$K\to\R$ , $V\in C(K)$	[효용]	가치함수(value function)의 후보; W13 $V(W_t,s)$ , W23 $V(y_1,y_2,\bar b)$	W12
$T$	연산자	$C(K)\to C(K)$ — $C(K)$ 는 $K$ 위 연속함수 공간, $\lVert\cdot\rVert_\infty$ 는 그 위의 상한 노름	[효용]→[효용]	벨만 연산자(압축계수 $\beta$ )	W12
$V'(k)$	함수(도함수)	$(0,\bar k)\to\R_+$	[효용/수량]	자본의 잠재가격(포락선 조건) — W04의 $\lambda$	W12
$\E_t[\cdot]$ , $\Cov_t$ , $\Var_t$	연산자	확률변수 → $\Fc_t$ -가측 확률변수	피연산자와 같음(공분산은 곱)	조건부 기댓값·공분산·분산 — $\E_t:=\E[\cdot\mid\Fc_t]$	W13
$p^i_t$ , $x^i_{t+1}$ , $R^i_{t+1}$	확률과정( $\Fc_t$ -가측), 확률변수( $\Fc_{t+1}$ -가측)	$\R_{++}$ , $\R$ , $R^i_{t+1}=x^i_{t+1}/p^i_t$	[화폐], [화폐], 무차원	자산 $i$ 의 가격 · 지급액(가격+배당) · 총수익률 — 위첨자 $i$ 는 자산 번호; 위험자산 수익률은 언제나 첨자 있음(W15 $R_S$ )	W13
$R_f$ ( $=R=R^f_{t+1}=1+r$ )	확률과정( $\Fc_t$ -가측)	$\R_{++}$	무차원(총수익 배수)	무위험 총수익률; W15·W23의 $R$ 은 약칭	W13
$m_{t+1}$	확률변수	$\R_{++}$ , $m_{t+1}=\beta u'(c_{t+1})/u'(c_t)$	무차원	확률적 할인인자(stochastic discount factor); W15·W22·W23	W13
$\xi_t$	확률과정(벡터)	$\R^{N}$	[자산 단위]	자산 보유량 — W14의 배수 $\xi_{t+1}$ 과 다른 대상	W13
$\Fc$ , $\Fc_t$ , $\mathcal{G}$ , $\sigma(X)$	$\sigma$ -대수	$\Omega$ 의 부분집합족; $\Fc_t\subseteq\Fc_{t+1}\subseteq\mathcal{G}$ ; $\Omega$ 는 상태공간, $\omega\in\Omega$ 는 상태	—	정보집합 · 여과(filtration) · 전체 사건족 · $X$ 가 생성하는 $\sigma$ -대수 — W13이 " $\Fc_t$ -가측"으로 먼저 쓰고 W14가 정의한다	W14
$P$	함수(측도)	$\mathcal{G}\to[0,1]$	무차원	확률측도(실제 측도; W15 $P$ , W22 $P$ )	W14
$L^2(\Fc)$	집합(닫힌 선형부분공간)	$\Fc$ -가측이고 $\E[Z^2]<\infty$ 인 $Z$ 의 모임; 내적 $\langle X,Z\rangle=\E[XZ]$ , 노름 $\lVert X\rVert=\sqrt{\E[X^2]}$	—	제곱적분가능 $\Fc$ -가측 확률변수 공간	W14
$\E[\cdot\mid\Fc]$ , $\Pi_{\Fc}$	연산자	$L^2(\mathcal{G})\to L^2(\Fc)$ ; $\hat Y=\Pi_{\Fc}Y$ , $\varepsilon=Y-\hat Y\perp L^2(\Fc)$	인수의 차원 보존	조건부 기댓값 = $L^2(\Fc)$ 위 직교사영(최적 예측 · 예측오차); W22 $\Pi_{\sigma(D)}$ , $\Pi_{A'}$	W14
$\mathbf 1_A$ , $\mathbf 1\{\cdot\}$	확률변수(지표)	$\Omega\to\{0,1\}$ , $A\in\Fc$	무차원	지표함수; W20 $\mathbf 1\{k=1\}$ 은 진입 위치 지표	W14
$S_t$ , $u$ , $d$ , $p$	확률과정, 파라미터	$S_{t+1}=S_t\xi_{t+1}$ , $\xi_{t+1}\in\{u,d\}$ , $P(\xi_{t+1}=u)=p$	[화폐], 무차원	이항나무 주가 · 상승·하락 배수 · 상승확률(실제)	W14
$Q$ , $q$ ; $\psi_H$ , $\psi_T$	확률측도 · 유도량; 스칼라	$Q(H)=q=(R-d)/(u-d)$ ; $\psi_H=q/R$ , $\psi_T=(1-q)/R$	무차원	위험중립 측도 · 위험중립확률 · 상태가격(Arrow 가격)	W15
$\Delta$ , $B$ , $V_0$	스칼라	$V_1=\Delta S_1+RB$	[수량](주식 수), [화폐], [화폐]	복제 주식 수(델타) · 채권 보유액 · 복제 포트폴리오 가치	W15
$Z=dQ/dP$ ; $\E^{Q}[\cdot]$	확률변수; 연산자	$\Omega\to\R_{++}$ , $\E[Z]=1$ ; $Q$ 아래 평균	무차원; 인수의 차원 보존	라돈–니코딤 도함수(측도 변환의 밀도) $=m/\E[m]=mR_f$ · 위험중립 기댓값(위첨자는 저울의 이름)	W15
$x$ , $X$	스칼라(변수), 확률변수	$(0,\infty)$ (덧셈 불변에서는 $[0,\infty)$ ); $\Omega\to(0,\infty)$	식마다 정한다 — [화폐], [수량], [시간]	규모(size) 또는 지속기간 — 값과 확률변수	W17
$P(x)$ ; $p(x)$ , $\bar F(x)$ , $F(x)$	함수; 함수(밀도), 함수	$(0,\infty)\to(0,\infty)$ ; $[x_m,\infty)\to\R_+$ ; $\R\to[0,1]$ , $\bar F=1-F$ 비증가	밀도면 $[x]^{-1}$ , 생존함수·분포함수면 무차원	규모의 함수 — 확률밀도 · 생존함수(survival function) · 분포함수(W18)	W17
$\gamma$	파라미터	$\R$ ; 밀도로 읽을 때 $\gamma>1$	무차원	밀도 꼬리지수 — $p(x)\propto x^{-\gamma}$ ; W18 $\gamma>n+1$ , W19 $2+p/(1-p)$ , W20 $N_k\sim k^{-\gamma}$	W17
$\zeta=\gamma-1$	파라미터	$\R_{++}$	무차원	생존함수 꼬리지수 — $\Pr(X>x)\propto x^{-\zeta}$ ; Zipf는 $\zeta=1$ ; W21 감쇠율	W17
$\lambda$	파라미터	$\R$ ; 분포로 읽을 때 $\lambda>0$	$[x]^{-1}$ (시간이면 [시간 $^{-1}$ ])	지수분포 모수 = 위험률(hazard rate); $1/\lambda$ 가 특징 규모	W17
$C$ , $x_m$	파라미터	$\R_{++}$ ; W18 $C=(\gamma-1)x_m^{\gamma-1}$	$[P][x]^{\gamma}$ (멱), $[P]$ (지수); $[x]$	규격화 상수(단위가 숨는 자리) · 하한(최소 규모) — W19부터 $S_{\min}$	W17
$h(x)$	함수	$p(x)/\bar F(x)$	$[x]^{-1}$	위험률(hazard rate)	W17
$\E[X^{n}]$ , $M_n(L)$	스칼라, 함수	$[0,\infty]$ ; $M_n:[x_m,\infty)\to\R_+$	$[X]^{n}$	$n$ 차 모멘트 · 절단 모멘트 — 여기의 $n$ 은 모멘트 차수	W18
$N$ , $X_i$ , $X_{(i)}$	지표, 확률변수	$N\in\mathbb{N}$ ; i.i.d. 표본; 내림차순 순서통계량	무차원; $[X]$	몬테카를로 표본 크기(W18·W19·W21) · 표본 · 순서통계량	W18
$\mathrm{VaR}_\alpha$ , $\mathrm{ES}_\alpha$	함수(위험측도)	분포 $\mapsto[0,\infty]$ ; $\alpha\in(0,1)$ 신뢰수준	$[X]$	최대예상손실(Value-at-Risk) · 기대부족액(Expected Shortfall)	W18
$S_t$ ; $g_t$ , $\varepsilon_t=\ln(1+g_t)$	확률과정; 확률변수(i.i.d. 열)	$\Omega\times\mathbb{N}\to[S_{\min},\infty)$ ; $(-1,\infty)$ , $\R$	[규모]; 무차원	$t$ 기 규모(기업·도시·자산; W21 $S_i$ ) · 성장률 · 로그 성장률	W19
$S_{\min}$	파라미터	$\R_{++}$	[규모]	최소규모(반사벽) — W17·W18의 $x_m$ 자리	W19
$\mu$ , $\sigma^{2}$ ; $\mu_\Delta$ , $\sigma^{2}_\Delta$	파라미터	$\R$ , $\R_{++}$ ; $\mu_\Delta=\mu\Delta$ , $\sigma^{2}_\Delta=\sigma^{2}\Delta$	[시간 $^{-1}$ ]; 무차원	로그 성장률의 단위시간당 표류율·분산율 · 기간당 평균·분산; $\zeta=-2\mu/\sigma^{2}$	W19
$x_t=\ln(S_t/S_{\min})$ ; $G(y)$	확률과정; 함수	$\Omega\times\mathbb{N}\to\R_{+}$ ; $\R\to[0,1]$	무차원	벽에서 잰 로그 규모 · 그 정상 생존함수	W19
$M(\theta)$ , $\theta^{*}$	함수, 지표(모형이 정하는 수)	$M(\theta)=\E[e^{\theta\varepsilon}]$ , $\R_+\to\R_{++}$ ; $M(\theta^{*})=1$	무차원	로그 성장률의 적률생성함수 · 고유값( $=\zeta$ )	W19
$\Phi$ , $\Psi$	함수	무차원군 $\to\R_{+}$	무차원	상사 함수(scaling function) — $\Psi$ 는 완전상사 쪽(상수), $\Phi$ 는 불완전상사 쪽(멱); 상사 지수는 $\nu$	W19
$p$	파라미터	$(0,1)$ ; W20 $p=\eta/(a+\eta)$	무차원	진입 확률(Simon); 기존 기업 몫은 $1-p$	W19
$\delta$	파라미터	$\R_+$	[시간 $^{-1}$ ]	퇴출률(W19·W20) — 감가상각률과 같은 글자, 같은 차원	W19
$k$	지표(이산 상태)	$\{1,2,3,\dots\}$	무차원(단위 개수)	규모 — 기업이 가진 단위 수	W20
$N_k(t)$ ; $n_k^{*}$ , $f_k$	함수(기댓값 열); 스칼라 열, 확률질량	$\R_+\to\R_+$ , $k$ 마다 하나; $n_k=N_k/t$ 의 고정점; $f_k=n_k^{*}/\eta$ , $\sum_k f_k=1$	무차원(기업 수); [시간 $^{-1}$ ]; 무차원	규모 $k$ 인 기업의 수 · 정상해 · 정상 규모 분포(Yule–Simon); $N(t)=\sum_k N_k$ , $U(t)=\sum_k kN_k$	W20
$A(t)$ , $a$ , $\eta$	함수(파라미터처럼 보임), 파라미터	$A(t)=a/U(t)=(1-p)/t$	[시간 $^{-1}$ ]	단위당 연결률(성장 강도) · 기존 기업 단위 유입률 · 진입률	W20
$B(\cdot,\cdot)$ , $\Gamma(\cdot)$	함수	$\R_{++}^{2}\to\R_{++}$ , $\R_{++}\to\R_{++}$	무차원	베타함수 · 감마함수	W20
$W=[w_{ij}]$ ; $d=W'\mathbf 1$	행렬(파라미터); 벡터	$n\times n$ , $w_{ij}\ge 0$ , $W\mathbf 1=\mathbf 1$ ; $\R^n_+$	무차원(지출 몫)	투입산출 몫 행렬(행 $i$ 구매자, 열 $j$ 공급자) · 가중 출차수(out-degree)	W21
$L$	행렬	$n\times n$ , $L=(I-(1-\alpha)W)^{-1}\ge 0$	무차원	Leontief 역행렬 — 노동이 아니다(노동은 $\ell$ )	W21
$v$ ( $=D$ )	벡터	$\R^n_{++}$ , $v=L'b$ (0절은 $b=\tfrac1n\mathbf 1$ ), $\mathbf 1'v=1/\alpha$	무차원	영향력 벡터 = Domar 가중치(부문 매출/GDP)	W21
$\varepsilon=(\varepsilon_i)$ ; $\sigma_{\mathrm{agg}}$	확률변수(벡터); 스칼라	$\R^n$ ; $\sigma\lVert v\rVert_2\sim n^{-(1-1/\zeta)}$	무차원(로그 TFP)	부문별 생산성 충격 · 집계 변동성 $\sqrt{\Var(y)}$ — $\sigma$ 는 개별 충격 표준편차	W21
$\lVert v\rVert_2$ , $\lVert v\rVert_1$	함수(노름)	$\R^n\to\R_+$	무차원	2-노름(W07의 $\lVert\cdot\rVert$ 에 첨자 2) · 1-노름	W21
$Y_0$ , $Y_1$ ; $Y=DY_1+(1-D)Y_0$	확률변수	$\Omega\to\R$	[화폐]	잠재결과(potential outcome) · 관측 결과	W22
$D$	확률변수(지표)	$\Omega\to\{0,1\}$	무차원	처치 지표 — 첨자 $d\in\{0,1\}$ 은 처치 상태	W22
$\tau_{\mathrm{ATT}}$ , $\tau_{\mathrm{ATE}}$ , $\tau_{\mathrm{ATU}}$ ; $\delta_0$ , $\delta_1$	스칼라(잠재 분포의 범함수)	$\R$ ; $\delta_d=\E[Y_d\mid D{=}1]-\E[Y_d\mid D{=}0]$	[화폐]	처치집단·전체·비처치집단 평균처치효과 · 선택편의(selection bias)	W22
$\mathcal{P}$ , $P_{\mathrm{obs}}$ , $\phi$ ; $\Theta_I$	집합, 확률측도, 함수; 집합	$P\in\mathcal{P}$ ; $\phi(P)=P_{(Y,D)}$ ; $\Theta_I\subseteq\R^{p}$	—; $[\theta]$	허용 분포족 · 관측 분포 · 관측 사상 · 식별집합(identified set)	W22
$g(w,\theta)$ , $\bar g$ , $\bar g_n$ , $G$ ; $W$ , $M_G$	함수, 함수, 함수, 행렬; 행렬	$\mathcal{W}\times\Theta\to\R^{q}$ ; $\Theta\to\R^{q}$ ; $q\times p$ ; $q\times q$	성분마다 다름	모멘트 함수 · 모집단 모멘트 · 표본 모멘트 · 모멘트의 야코비안 · GMM 가중행렬 · 소멸행렬(W07의 $M$ 과 같은 대수); $\theta_0$ 은 참값, $q$ · $p$ 는 모멘트 수·모수 수	W22
$s$ , $\bar b$	변수(스칼라), 파라미터	$s\in[-\bar b,\,y_1)$ ; $\bar b\in[0,\,y_2/R)$	[화폐]	저축(음이면 차입) · 차입 한도	W23
$\tilde R$	파생 스칼라	$[R,\infty)$ , $\tilde R=R+\mu/(\beta u'(c_2))$	무차원	잠재 이자율 — 묶인 가계가 균등화하는 총수익률	W23
$\omega$	파라미터	$[0,1]$	무차원	제약이 묶인 가계의 비율(문헌의 $\lambda$ )	W23
$C_1$ ; $\kappa_1$ , $\kappa_2$	집계 변수; 모멘트(스칼라)	$\R_{++}$ ; $\R_+$ , $\kappa_1\le 1$	[화폐]; 무차원	집계 1기 소비 · 현재소득·예고소득에 대한 집계 한계소비성향	W23

같은 글자, 다른 이름¶

글자는 부족하고 대상은 많다. 한 회차 안에서 한 글자는 한 뜻이지만, 책 전체에서는 같은 글자가 여러 뜻을 지닌다. 각 회차 2절이 앞 회차의 뜻을 갈라 쓰며, 여기서는 그 목록을 한 표로 모았다. 뜻이 달라도 차원 칸이 다르면 혼동할 수 없다 — 표를 읽는 습관이 글자를 읽는 습관보다 앞서야 하는 이유다.

글자	뜻(첫 등장)	가르는 표지
$\lambda$	잠재가격 [효용/화폐] (W04; W05·W06·W13 $\lambda_t$ ·W21 $\lambda_i$ ·W23) · 수렴속도 [시간 $^{-1}$ ] (W10; W11의 고유값 $\lambda_1<0<\lambda_2$ 는 확장, $\lambda=-\lambda_1$ ) · 지수분포 모수 $[x]^{-1}$ (W17·W18)	차원. 등식 제약의 승수는 $\lambda$ , 부등식은 $\mu$ ; W11만 공상태변수를 $\mu_t$ 로 쓴다
$\alpha$	자본분배율 (W02; W03·W06·W10·W11·W12) · VaR 신뢰수준 (W18) · 노동(본원요소) 분배율 (W21)	모두 무차원 — 회차로 가른다. W07의 회귀 절편은 $\alpha$ 가 아니라 $\beta_0$
$\beta$	노동의 산출탄력성 (W02·W03) · 할인인자 (W04 5절; W11 $\beta=e^{-\rho}$ ·W12–W15·W22 4절·W23) · 회귀계수 (W07; W10 $\beta$ -수렴·W22 $\beta_0,\beta_1$ )	모자와 첨자. $\hat\beta$ 는 자료가 정한 값, $\beta_0,\beta_1$ 은 회귀, 첨자 없는 $\beta\in(0,1)$ 은 할인인자
$\gamma$	상대적 위험회피도 (W13·W22) · 밀도 꼬리지수 (W17; W18–W21)	회차. W11은 같은 위험회피도를 $\sigma$ 로 쓴다( $\sigma\equiv\gamma$ )
$\zeta$	생존함수 꼬리지수 $=\gamma-1$ (W17; W18–W21)	한 뜻뿐. 문헌의 "꼬리지수 3"은 거의 언제나 $\zeta$
$\sigma$	대체탄력성 (W05 5절) · 확산계수 [화폐/시간 $^{1/2}$ ] (W09) · 상대적 위험회피도 (W11) · 표준편차 $\sigma_t(\cdot)$ (W13) · 변동성 [시간 $^{-1/2}$ ] (W15) · 로그 성장률 확산계수 (W19) · 개별 충격 표준편차 (W21)	차원. “ $\sigma$ -대수”(W14)의 $\sigma$ 와 $\sigma(X)$ 는 글자가 아니라 이름
$\delta$	국소비포화의 반지름 (W01) · 감가상각률 — 연속 강도 [시간 $^{-1}$ ] (W09·W10·W11), 기간당 비율은 $\delta_\Delta$ (W09; W12의 $\delta$ ) · 퇴출률 [시간 $^{-1}$ ] (W19·W20) · 선택편의 $\delta_0,\delta_1$ [화폐] (W22)	첨자와 차원. 감가상각과 퇴출은 둘 다 “사라지는 강도”
$\Delta$	변화분 접두어 $\Delta y$ (W03; W04·W05) · 스텝(기간) 길이 [시간] (W09; W13·W19) · 복제 주식 수 (W15) · 덧셈 이동량 (W17) · 관측 차이 (W22)	홀로 서는가 앞에 붙는가; 차원
$P$	채권가격 (W03) · 사영행렬 $n\times n$ (W07) · 확률측도 (W14; W15·W22) · 규모의 함수 (W17)	종류. 사영 연산자는 W14부터 $\Pi$ ; $\mathbb P$ 로 바꾸지 않는다
$p$	가격 벡터 (W01; W04·W06) · 산출 가격, 스칼라 (W02; W05·W06) · 상승확률 (W14·W15) · 확률밀도 $p(x)$ (W17·W18) · 진입 확률 (W19·W20) · 모수 수 (W22)	형상(벡터·스칼라·함수·정수)
$m$	제약의 개수 (W04) · 확률적 할인인자 (W13; W15·W22·W23)	W13부터 $m$ 은 확률적 할인인자로 고정. W18의 $x_m$ 첨자는 무관
$q$	배급 상한 [수량] (W04) · 위험중립확률 (W15) · 모멘트 조건 수 (W22)	수량인가 확률인가 개수인가
$\mu$	부등식 제약의 승수 (W04; W23 차입 한도) · 지출최소화의 승수 [화폐/효용] (W05) · 스텝 평균 $\mu_j$ (W09) · 공상태변수 $\mu_t$ (W11) · 연속복리 기대수익률 (W15) · 로그 성장률 표류율 [시간 $^{-1}$ ] (W19) · 잠재 칸 평균 벡터 (W22)	차원. 승수는 [효용/…], 율은 [시간 $^{-1}$ ]
$W$ , $w$	$W$ : 위너 과정 (W09) · 가치함수 후보 (W12) · 부 $W_t$ (W13) · 시험 방향 $W\in L^2(\Fc)$ (W14) · 투입산출 몫 행렬 (W21) · GMM 가중행렬 (W22). $w$ : 소득 (W01; W04·W05·W06) · 임금률 (W02) · 몫 $w_{ij}$ (W21) · 관측 벡터 (W22)	종류(과정·함수·행렬)와 첨자. W05의 임금은 $\omega$ , W21의 잠재임금은 $\lambda_0$
$L$ , $\mathcal{L}$	$L$ : 재화의 수 (W01) · 노동투입 (W02·W03) · Leontief 역행렬 (W21). $\mathcal{L}$ : 라그랑지안 (W04)	W21의 노동은 $\ell$
$T$	만기 (W03) · 지평 (W09·W19) · 벨만 연산자 (W12) · 하락 상태 (W15) · 기간 수 (W23)	종류(수인가 연산자인가)
$C$	컨벡시티 [시간 $^{2}$ ] (W03) · 연속함수 공간 $C(K)$ (W12) · 규격화 상수 (W17·W18) · 꼬리 상수 (W19) · 집계 소비 $C_1$ (W23)	차원
$c$	회귀 절편 $=\ln A$ (W02) · 현금흐름 $c_i$ (W03) · 1인당 소비 (W11; W12·W13·W23) · 관심 범함수의 계수 벡터 (W22)	형상과 첨자
$F$ , $\Fc$	$F$ : 생산함수 (W02; W05) · 균형조건 함수 (W06) · 분포함수 (W18; 생존함수는 $\bar F$ , W17). $\Fc$ : 정보집합 (W14)	글꼴. W06의 생산함수는 소문자 $f$
$n$ , $N$	$n$ : 관측 수 (W07·W22) · 분할 수(복리 횟수) (W09) · 인구증가율 [시간 $^{-1}$ ] (W10) · 모멘트 차수 (W18) · 기간 수 (W19) · 부문 수 (W21). $N$ : 유한기간 문제의 기간 수 (W12) · 자산 수 (W13) · 단계 수 (W15) · 몬테카를로 표본 크기 (W18; W19·W21) · 총 기업 수 $N(t)$ (W20)	회귀·GMM의 표본은 $n$ , 몬테카를로 표본은 $N$
$r$ , $R$	$r$ : 자본 임대료율 (W02; W05·W06) · 명목 연이율 (W09) · 순이자율 $R_f=1+r$ (W13·W23) · 연속복리 이자율 (W15). $R$ : 무위험 총수익률 $=R_f$ (W13; W15·W23) · 위험자산 총수익률 $R_{t+1}$ , $R^i_{t+1}$ (W13) · 잠재 이자율 $\tilde R$ (W23) · 나머지항 $R_3$ (W03)	$R$ 홀로는 총수익률(배수)에만, 임대료율·이자율은 $r$ . 위험자산은 언제나 첨자
$t$	배율(동차성) (W01; W02·W04·W06) · 지급 시점 $t_i$ [시간] (W03) · 시각·시간 첨자 (W09 이후) · Simon 과정의 총 규모 (W19) · 최댓값의 척도 변수 (W21)	홀로 선 $t$ 는 W09 이전에는 배율이다 — 첨자가 붙은 $t_i$ (W03)만 그 앞의 시간
$u$	효용함수 (W01 이후) · 상승 배수 (W14·W15·W19) · 로그 좌표 $u=\ln x$ (W17) · 문턱 (W18) · 묶이지 않은 가계 위첨자 (W23)	함수인가 수인가
$y$ , $Y$	$y$ : 만기수익률 (W03) · 관측 벡터 (W07) · 처분가능 자원 $y(k)$ (W12) · 로그 GDP (W21) · 소득 $y_1,y_2$ (W23). $Y$ : 산출 (W02·W03) · 예측 대상 (W14) · 지수분포 대조군 (W18) · 잠재결과·관측 결과 (W22)	형상
$k$ , $K$	$k$ : 자본노동비율·1인당 자본 (W02; W10·W11·W12) · 설명변수 수 (W07) · 덧셈 비율 함수 $k(\Delta)$ (W17) · 규모 지표 (W20). $K$ : 자본 (W02; W09) · 최대유지가능 자본 $\bar k$ (W11) · 상태공간 $[0,\bar k]$ (W12) · Simon 과정의 규모 확률변수 (W19)	차원
$s$ , $S$	$s$ : 분배율 $s_K$ , $s_L$ (W02) · 저축률 (W10·W11) · 적분변수 (W18) · 규모의 문턱값 (W19) · 로그 시간 (W20) · 선택 강도 (W22) · 저축액 [화폐] (W23). $S$ : 이항나무 주가 (W14·W15) · 규모 (W19; W21)	비율인가 수준인가
$\pi$ , $\Pi$	$\pi$ : 이윤·이윤함수 (W02; W05·W06) · 규모 비중 벡터 (W21) · 처치 확률 (W22). $\Pi$ : 무차원군 (W02) · 사영 연산자 (W14; W22)	원주율은 이 책에 없다
$\kappa$	단위환산계수 (W02) · 이표율 (W03) · 정상상태 대비 자본비율 (W10) · 평균회귀 속도 (W19) · Leontief 상수 $\kappa_i$ (W21) · 집계 한계소비성향 $\kappa_1,\kappa_2$ (W23)	회차 전용 보조 글자
$\eta$	단위환산계수 (W02) · 진입률 [시간 $^{-1}$ ] (W20) · 관측 칸 평균 (W22) · 2기 소득의 교란 (W23)	차원
$\omega$ , $\Omega$	$\omega$ : 현재가치 가중치 $\omega_i$ (W03) · 임금 (W05) · 상태(결과) (W14) · 묶인 가계의 비율 (W23). $\Omega$ : 상태공간 (W09 형상; W14·W15)	첨자와 회차
$\theta$	외생 파라미터 (W05·W06) · 임의 포트폴리오 계수 (W13) · 적률생성함수의 인수·고유값 $\theta^{*}$ (W19) · 모수 벡터 (W22)	W01의 배율은 $\theta$ 가 아니라 $t$
$\xi$	테일러 나머지의 중간점 (W03) · 자산 보유량 벡터 $\xi_t$ (W13) · 이항나무의 배수 $\xi_{t+1}$ (W14)	종류(보조 글자 · 확률과정 · 확률변수)
$\nu$	동차 차수 (W02) · 배급 제약의 승수 [효용/수량] (W04) · 상사 지수 (W19) · 반사실 후보 분포 (W22)	차원. 동차 차수와 상사 지수는 같은 구실(멱의 차수)
$A$	총요소생산성 (W02; W03·W10) · 사건 $A\in\Fc$ (W14) · 연결률 $A(t)$ (W20) · 관측 사상 행렬 (W22)	차원. W20의 $A$ 는 상수처럼 보이는 함수
$D$	수정 듀레이션 (W03) · Domar 가중치 $=v$ (W21) · 처치 지표 (W22)	차원
$g$ , $G$ , $\Gamma$	$g$ : 성장률 $g_X$ (W03) · 제약함수 $g_j$ (W04; W05) · 전이함수 (W12) · 곱셈 비율 함수 $g(b)$ (W17) · 성장률 $g_t$ (W19) · 모멘트 함수 (W22). $G$ : 정상 생존함수 (W19) · 모멘트의 야코비안 (W22). $\Gamma$ : 보조회귀 계수 $\hat\Gamma$ (W07) · 실현가능 대응 (W12) · 감마함수 (W20)	종류(집합값 함수인가 수인가)
$h$	힉스 수요 (W05·W06) · 단계 길이 (W15) · 위험률 (W17)	형상
$x$ , $X$	$x$ : 소비 묶음 벡터 (W01) · 선택변수 (W05·W06) · 지급액 $x^i_{t+1}$ (W13) · 규모 (W17·W18) · 로그 규모 $x_t$ (W19) · 산출 $x_i$ (W21). $X$ : 설명변수 행렬 (W07) · 페이오프 (W15) · 규모·손실의 확률변수 (W17·W18)	형상
$e$	지출함수 $e(p,\bar u)$ (W05) · 잔차 벡터 (W07) · 단위벡터 $e_j$ (W21) · 자연로그의 밑 $e^{-\rho}$	함수·벡터·상수
$M$ , $V$ , $H$	$M$ : 소멸행렬 (W07; W22 $M_G$ ) · 절단 모멘트 $M_n$ (W18) · 적률생성함수 (W19). $V$ : 분산 $V_j$ (W09) · 가치함수 (W12; W13·W23) · 복제 포트폴리오 가치 (W15). $H$ : 유계 헤시안 $\bar H$ (W06) · 해밀토니안 (W11) · 상승 상태 (W15)	종류
$b$ , $B$	$b$ : 계수 후보 (W07) · 곱셈 배율 (W17) · 선호 가중치 (W21) · 차입 한도 $\bar b$ (W23). $B$ : 예산집합 $B(p,w)$ (W01) · 채권 보유액 (W15) · 베타함수 (W20)	종류
$Z$ , $z$	$Z$ : 후보 예측 (W14) · 라돈–니코딤 도함수 $dQ/dP$ (W15). $z$ : 투입량 (W05) · 생산성 수준 $z_i=e^{\varepsilon_i}$ (W21)	회차

종류별 색인¶

종류 칸의 열 가지 가운데 스칼라·벡터·행렬·함수·파라미터는 학부에서 익숙하다. 아래는 그렇지 않은 종류만 모은 색인이다 — 그 종류가 무엇이며 어느 기호가 거기 속하는지 한 줄씩.

종류	한 줄 설명	기호(첫 등장)
연산자	수가 아니라 함수(또는 함수와 집합)를 받아 수나 함수를 돌려주는 사상. 형상 칸에 "무엇을 받아 무엇을 내는가"를 적는다	$\max_x$ , $\arg\max_x$ (W01) · $\ln$ (W02) · $\Delta$ 접두어, $O(\cdot)$ (W03) · $\nabla$ , $o(\cdot)$ (W04) · $\partial/\partial\theta$ , $d/d\theta$ , 대입 $\vert_{x=x^{*}}$ (W05) · $\dot{x}=dx/dt$ (W09) · $\E$ , $\Var$ (W09) · 벨만 연산자 $T:C(K)\to C(K)$ (W12) · $\E_t$ , $\Cov_t$ (W13) · $\E[\cdot\mid\Fc]=\Pi_\Fc$ , $\arg\min_{Z\in L^2(\Fc)}$ (W14) · $\E^{Q}$ (W15)
$\sigma$ -대수	상태공간 $\Omega$ 의 부분집합(사건)들의 모임으로, 여집합과 가산 합집합에 닫혀 있다. " $t$ 까지 판별할 수 있는 사건 전부"가 정보집합 $\Fc_t$ 이고, $\E_t$ 의 첨자 $t$ 는 시점이 아니라 이 $\sigma$ -대수의 이름표다	$\Fc$ , $\Fc_t$ , $\mathcal{G}$ , $\sigma(X)$ (W14) · $\Fc_t$ (W15) · $\sigma(D)$ (W22)
확률과정	결과 $\omega$ 와 시각 $t$ 를 받아 실수를 주는 함수 $\Omega\times\R_+\to\R$ . 시각을 고정하면 확률변수, 결과를 고정하면 경로(시간의 함수). $dW$ 는 미분이 아니라 증분의 이름	$W_t$ , $dW$ (W09) · $c_t$ , $p^i_t$ , $\lambda_t$ , $\xi_t$ , $W_t$ (부) (W13) · $\hat Y_t$ , $S_t$ (W14) · $S_t$ , $x_t$ (W19)
확률변수	$\Omega\to\R$ 인 가측 함수. 숫자가 아니라 함수이며, $\E[Y\mid\Fc]$ 도 확률변수다	$\varepsilon_j$ (W09) · $x^i_{t+1}$ , $R^i_{t+1}$ , $m_{t+1}$ (W13) · $Y$ , $\hat Y$ , $\varepsilon$ , $\mathbf 1_A$ (W14) · $X$ , $Z=dQ/dP$ (W15) · $X$ (W17) · $X_i$ , $X_{(i)}$ (W18) · $g_t$ , $\varepsilon_t$ (W19) · $\varepsilon=(\varepsilon_i)$ , $S_i$ (W21) · $Y_0$ , $Y_1$ , $D$ (W22)
측도	사건족 $\mathcal{G}$ 의 원소마다 $[0,1]$ 의 수를 주는 함수. 같은 사건에 두 측도 $P$ · $Q$ 가 다른 수를 붙일 수 있고, 둘을 잇는 환율이 밀도 $dQ/dP$ 다	$P$ (W14) · $Q$ , $P$ (W15) · $\mathcal{P}$ , $P$ , $P_{\mathrm{obs}}$ (W22)
대응(집합값 함수)	점마다 집합 하나를 돌려주는 사상 $X\rightrightarrows Y$ . $\arg\max$ 의 출력, 예산집합, 실현가능 집합이 이 종류다	$B(p,w)$ , $x^{*}(p,w)$ (W01) · $\Gamma(k)$ (W12)
함수공간의 점 · 노름	함수 $V$ 를 공간 $C(K)$ 의 점 하나로 보는 층 이동. 점과 점 사이의 거리가 노름이며, 그 거리가 있어야 "함수열이 수렴한다"를 말할 수 있다	$\lVert v\rVert$ (W07) · $V$ , $W\in C(K)$ , $\lVert\cdot\rVert_\infty$ (W12) · $L^2(\Fc)$ , $\langle X,Z\rangle$ , $\lVert X\rVert$ (W14) · $\lVert v\rVert_2$ , $\lVert v\rVert_1$ (W21)
범함수	분포(또는 함수)를 넣으면 숫자를 돌려주는 사상. 관측 분포의 범함수는 표본에서 계산되고, 잠재 분포의 범함수는 식별 문제가 된다	$\mathrm{VaR}_\alpha$ , $\mathrm{ES}_\alpha$ (W18) · $\Delta$ , $\tau_{\mathrm{ATT}}$ , $\delta_0$ , $\delta_1$ , $\phi$ (W22)
지표	번호·개수·이산 상태처럼 값이 정수인 글자와, 사건의 소속을 0·1로 적는 지표함수(W14의 이름)	$\ell$ , $L$ (W01) · $m$ 제약의 개수 (W04) · $n$ , $k$ (W07) · $j$ (W09) · $\mathbf 1_A$ , $\mathbf 1\{\cdot\}$ (W14) · $N$ (W15·W18) · $n$ 모멘트 차수 (W18) · $k$ , $\mathbf 1\{k=1\}$ (W20) · $D$ , $q$ , $p$ (W22)
파생 파라미터(모형이 정하는 수)	추정할 모수처럼 보이지만 모형이 풀어서 돌려주는 값. 수렴속도·꼬리지수·고유값이 이 종류다	$\lambda=-\phi'(k^{})$ (W10) · $\lambda_1$ , $\lambda_2$ (W11) · $q$ (W15) · $\zeta$ , $\gamma$ , $\theta^{}$ (W19) · $p=\eta/(a+\eta)$ , $\zeta=1/(1-p)$ (W20) · $\tilde R$ (W23)
기댓값 열 · 확률질량	$k$ 마다 하나씩 있는 수의 열. $N_k(t)$ 는 확률변수의 기댓값이고, $f_k$ 는 합이 1인 정상 분포다	$N_k(t)$ , $n_k^{*}$ , $f_k$ (W20)