Skala logu informuje o zmianach względnych (multiplikatywnych), natomiast skala liniowa informuje o zmianach bezwzględnych (addytywnych). Kiedy używasz każdego z nich? Kiedy zależy Ci na względnych zmianach, użyj skali logów; gdy zależy Ci na zmianach bezwzględnych, użyj skali liniowej. Dotyczy to rozkładów, ale także każdej ilości lub zmian ilości.
Uwaga: używam tutaj słowa „opieka” bardzo konkretnie i celowo. Bez modelu lub celu na twoje pytanie nie można odpowiedzieć; model lub cel określa, która skala jest ważna. Jeśli próbujesz coś wymodelować, a mechanizm działa poprzez zmianę względną, skala dziennika ma kluczowe znaczenie dla uchwycenia zachowania widocznego w twoich danych. Ale jeśli mechanizm modelu bazowego jest addytywny, będziesz chciał użyć skali liniowej.
$$$
$$$$
$
Jeśli przekonwertujemy na przestrzeń dziennika, zmiany względne pojawią się jako zmiany bezwzględne.
log10( 1 USD )log10( 1,10 USD )
log10( 100 USD )log10( 110 USD )
Teraz, biorąc pod uwagę absolutną różnicę w przestrzeni dziennika , okazało się, że oba zmieniły się o .0413.
Obie te miary zmiany są ważne, a która z nich jest ważna, zależy wyłącznie od twojego modelu inwestowania. Istnieją dwa modele. (1) Inwestowanie określonej kwoty kapitału lub (2) inwestowanie w określoną liczbę akcji.
Model 1: Inwestowanie ze stałą kwotą kapitału.
$$$$$$$$
Model 2: stała liczba akcji.
$
Załóżmy teraz, że myślimy o wartości zapasów jako o losowej zmiennej zmieniającej się w czasie i chcemy opracować model, który ogólnie odzwierciedla zachowanie się zapasów. Powiedzmy, że chcemy użyć tego modelu, aby zmaksymalizować zysk. Obliczamy rozkład prawdopodobieństwa, którego wartości x są wyrażone w jednostkach „ceny akcji”, a wartości y - prawdopodobieństwem zaobserwowania danej ceny akcji. Robimy to dla akcji A i akcji B. Jeśli zapiszesz się do pierwszego scenariusza, w którym masz ustaloną kwotę kapitału, którą chcesz zainwestować, zapisanie tych dystrybucji będzie miało charakter informacyjny. Dlaczego? Zależy Ci na kształcie rozkładu we względnej przestrzeni. Nieważne, czy czas wynosi od 1 do 10, czy 10 do 100, prawda? Oba przypadki są 10- krotniezysk względny. Pojawia się to naturalnie w rozkładzie w skali logarytmicznej, ponieważ zyski jednostkowe odpowiadają bezpośrednio zyskom krotnie. W przypadku dwóch stad, których średnia wartość jest różna, ale których względna zmiana jest identycznie rozłożona (mają taki sam rozkład dziennych zmian procentowych ), ich logarytmiczne rozkłady będą miały identyczny kształt właśnie przesunięty. I odwrotnie, ich rozkłady liniowe nie będą miały identycznego kształtu, a rozkład o wyższej wartości będzie miał większą wariancję.
Jeśli spojrzysz na te same rozkłady w przestrzeni liniowej lub absolutnej, możesz pomyśleć, że ceny akcji o wyższej wartości odpowiadają większym wahaniom. Jednak dla celów inwestycyjnych, gdzie znaczenie mają tylko względne zyski, niekoniecznie jest to prawdą.
Przykład 2. Reakcje chemiczne.
Załóżmy, że mamy dwie cząsteczki A i B, które ulegają odwracalnej reakcji.
A⇔B
który jest zdefiniowany przez poszczególne stałe szybkości
kabA⇒BkbaB⇒A
Ich równowagę określa relacja:
K=kabkba=[A][B]
AB
K∗=kab−kba=[A]−[B]
(0,inf)
EDYCJA . Interesującą paralelą, która pomogła mi zbudować intuicję, jest przykład średnich arytmetycznych vs. geometrycznych. Średnia arytmetyczna (waniliowa) oblicza średnią liczb przyjmując ukryty model, w którym liczą się absolutne różnice. Przykład. Średnia arytmetyczna 1 i 100 wynosi 50,5. Załóżmy, że mówimy o stężeniach, w których związek chemiczny między stężeniami jest zwielokrotniony. Następnie średnie stężenie powinno być naprawdę obliczone na skali logarytmicznej. Nazywa się to średnią geometryczną. Średnia geometryczna 1 i 100 wynosi 10! Pod względem różnic względnych ma to sens: 10/1 = 10, a 100/10 = 10, tzn. Względna zmiana między średnią a dwiema wartościami jest taka sama. Dodatkowo znajdujemy to samo; 50,5-1 = 49,5, a 100-50,5 = 49,5.