Matstat Econometria Matan - pagina 10
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Dottore, è possibile.
Volontà + carattere + esperienza + approcci non convenzionali (non troppo difficili).
Chi si è mai chiesto come rompere il sistema?
Quale sistema?
Abbiamo avuto warface una volta, non siamo stati bannati, solo ma** ha comprato i diritti del gioco e ha tagliato le cime dove eravamo).
Non posso credere di essere stato bannato dal gioco principale e di essere stato bannato nello stesso modo in cui sono stato bannato dal gioco principale
qual è il sistema?
Casuale.
... Ammetti che non puoifare soldi con SB. Pentirsi. E sarai riaccolto nella società decente )).
Dottore, la rispetto molto. E aver comunicato con voi in modo sincero e indimenticabile.... Ma tu sei molto, molto stupido. Ammettilo e forse le nostre relazioni torneranno alla normalità.
E, a proposito di econometria, matstat e matan (Dio, che nomi!) sostengo Automat - questa assurdità è applicabile solo se l'individuo ha afferrato la fisica del processo. Altrimenti sono tutte sciocchezze e non vale la pena prestarvi attenzione.
Amen.
Senza offesa.
Un altro. Non hai una voce impaziente?
Perché sei rinchiuso qui a flammare?
Dottore, faccia a tutti una lobotomia.
Un altro. Non hai una voce impaziente?
Perché vieni qui a flammare?
Dottore, faccia a tutti una lobotomia.
Con chi stai parlando, amico? Un picchio completo. Beh, per quanto mi riguarda, sei libero di andare. Se il gioco si fa duro, chiama l'Ombra. Forse verrà in soccorso.
Ci proverò) Comincio col dire che la verosimiglianza è la densità della distribuzione di campionamento. È una funzione del campione e dei parametri. Sostituiamo in esso i valori del campione ottenuti nell'esperimento, e poi diventa una funzione dei parametri. Troviamo i valori dei parametri che fanno raggiungere il massimo a questa funzione e dichiariamo questi valori come valori richiesti (stime dei valori dei parametri).
Fondamentalmente è semplice, ma hai bisogno di capire cos'è il campionamento - una parola è usata per due concetti diversi. Devi anche sapere cos'è la densità di campionamento e cos'è quando il campione è un vettore di valori indipendenti equamente distribuiti.
Su richiesta del topicstarter continuerò sul principio della massima verosimiglianza. Per brevità userò la notazione inglese MLE (maximum likelihood estimation).
1) Dobbiamo imparare a distinguere due diversi significati della parola "campione". Il primo è un insieme di numeri ottenuti in un esperimento, e il secondo è un insieme di valori casuali. Il primo è quello dei numeri effettivamente presenti. Il secondo è il modello astratto di probabilità che il ricercatore sta cercando di applicare a quei numeri, cioè lo stesso insieme sperimentale di numeri può essere considerato in modelli completamente diversi. Ma c'è sempre una corrispondenza - un numero -> una variabile casuale univariata. Un vettore sperimentale di dieci numeri deve essere modellato da un modello di dieci variabili casuali. Anche se tutte queste variabili casuali sono equamente distribuite - sono esattamente dieci diverse variabili casuali!
2) L'informazione completa su un insieme di variabili casuali è contenuta nella loro distribuzione congiunta (multivariata). Tutte le distribuzioni minori (comprese quelle univariate di cui ci occupiamo normalmente) possono essere calcolate da essa.
Per definizione, la verosimiglianza è la densità di questa distribuzione congiunta. Per un campione di dimensione N, è una funzione numerica dello spazio numerico N-dimensionale. Inoltre, dipende anche dai parametri da determinare (stimare).
Di conseguenza, sorge la domanda: da dove viene questa funzione? La risposta è "come succede"), poiché è impossibile coprire tutta la varietà di modi.
3) La variante standard di MLE. È spesso usato come definizione di MLE, ma restringe troppo l'applicabilità del metodo. Si assume che tutte le variabili casuali nel campione siano a) indipendenti e b) abbiano la stessa distribuzione univariata con densità p(x,a) dove a è il parametro da stimare. Allora la funzione di verosimiglianza L=p(x1,a)*p(x2,a)*...*p(xn,a), dove n è la dimensione del campione. Sostituire il campione (nel primo senso) come x, ottenere L=L(a) e cercare l'amax in cui L raggiunge un massimo. Si noti che possiamo massimizzare LL(a)=log(L(a)) invece di L(a), perché il logaritmo è una funzione monotona e, convenientemente, sostituisce il prodotto con l'addizione.
Per un esempio, considerate la distribuzione esponenziale p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x, la derivata sul parametro d(log(p(x,a)))/da=1/a-x. Quindi dobbiamo risolvere l'equazione 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn).
4) La prossima volta descriverò come si ottiene il metodo di minimizzazione a somma di moduli invece di MNC)
Roman:
Dottore, faccia a tutti una lobotomia.
Amico mio, ci abbiamo provato, non funziona. Per quanto mi riguarda, cercherò di sventare questo posto il meno possibile.
Dottore, ho molto rispetto per lei. E aver comunicato con voi in modo sincero e indimenticabile.... Ma tu sei molto, molto stupido. Ammettilo, e forse la nostra relazione si rimetterà in carreggiata.
Se un paziente è in cattive condizioni, sono pronto a fare qualsiasi cosa per alleviare la sua sofferenza. A volte slego anche un po' la camicia di forza.
Ho letto la tua opera e hai praticamente dimostrato che nessuna manipolazione di tic cambia la persistenza della serie. Congratulazioni.