Zajmujemy się logarytmiczną dystrybucją na kursie finansowym, a mój podręcznik po prostu stwierdza, że to prawda, co wydaje mi się frustrujące, ponieważ moje matematyczne doświadczenie nie jest zbyt silne, ale chcę intuicji. Czy ktoś może mi pokazać, dlaczego tak jest?
Tak, mam losowy proces generowania log-normalnie rozprowadzane zmiennych losowych . Oto odpowiednia funkcja gęstości prawdopodobieństwa:XXX Chciałem oszacować rozkład kilku chwil pierwotnego rozkładu, powiedzmy pierwszy moment: średnią arytmetyczną. Aby to zrobić, narysowałem 100 losowych zmiennych 10000 razy, aby móc obliczyć 10000 oszacowania średniej arytmetycznej. Istnieją dwa różne sposoby oszacowania tego (przynajmniej …
Powiedzmy, że masz zestaw wartości i chcesz wiedzieć, czy bardziej prawdopodobne jest, że próbkowano z rozkładu Gaussa (normalnego) lub próbkowano z rozkładu logarytmicznego? Oczywiście idealnie byłoby wiedzieć coś o populacji lub o źródłach błędów eksperymentalnych, więc mielibyśmy dodatkowe informacje przydatne w odpowiedzi na pytanie. Ale tutaj załóżmy, że mamy tylko …
Mam bardzo duży zestaw danych i brakuje około 5% wartości losowych. Te zmienne są ze sobą skorelowane. Poniższy przykładowy zestaw danych R jest tylko zabawkowym przykładem z fałszywymi skorelowanymi danymi. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", …
Próbuję zrozumieć, dlaczego suma dwóch (lub więcej) logarytmicznych zmiennych losowych zbliża się do rozkładu logarytmicznego wraz ze wzrostem liczby obserwacji. Szukałem w Internecie i nie znalazłem żadnych wyników dotyczących tego. Oczywiście, jeśli i są niezależnymi zmiennymi logarytmicznymi, to dzięki właściwościom wykładników i losowych zmiennych gaussowskich jest również logarytmiczny. Nie ma …
Od niechcenia czytałem artykuł (z ekonomii), który miał następujące przybliżenie dla :log(E(X))log(E(X))\log(E(X)) ,log(E(X))≈E(log(X))+0.5var(log(X))log(E(X))≈E(log(X))+0.5var(log(X))\log(E(X)) \approx E(\log(X))+0.5 \mathrm{var}(\log(X)) które według autora jest dokładne, jeśli X jest log-normalny (co wiem). Nie wiem, jak wyprowadzić to przybliżenie. Próbowałem obliczyć przybliżenie Taylora drugiego rzędu i wymyśliłem tylko to wyrażenie: log(E(X))≈E(log(X))+0.5var(X)E(X)2log(E(X))≈E(log(X))+0.5var(X)E(X)2\log(E(X)) \approx E(\log(X))+0.5\frac{\mathrm{var}(X)}{E(X)^2}
Próbuję obliczyć średnią i odchylenie standardowe z 2 percentyli dla rozkładu logarytmicznego. Udało mi się wykonać obliczenia dla rozkładu normalnego, używając X = mean + sd * Zi rozwiązując dla średnich i sd. Myślę, że brakuje mi równania, gdy próbuję zrobić to samo dla logarytmicznego rozkładu. Spojrzałem na wikipedię i …
Oto wykres QQ dla mojej próbki (zwróć uwagę na logarytmiczną oś Y); :n=1000n=1000n = 1000 Jak wskazał whuber, oznacza to, że leżący u podstaw rozkład jest przekrzywiony w lewo (prawy ogon jest krótszy). shapiro.testW=0.9718W=0.9718W = 0.97185.172⋅10−135.172⋅10−135.172\cdot10^{-13}H0:the sample is normal distributedH0:the sample is normal distributedH_0 : \text{the sample is normal distributed} …
Chciałbym sprawdzić, Rczy moje dane są zgodne z log-normal lub z dystrybucjami Pareto. Jak mogłem to zrobić? Być może ks.testmoże mi to pomóc, ale jak mogę uzyskać parametry αα\alpha i kkk dla rozkładu Pareto dla moich danych?
Mam następujące proste wektory X i Y: > X [1] 1.000 0.063 0.031 0.012 0.005 0.000 > Y [1] 1.000 1.000 1.000 0.961 0.884 0.000 > > plot(X,Y) Chcę wykonać regresję za pomocą dziennika X. Aby uniknąć uzyskania dziennika (0), próbuję umieścić +1 lub +0.1 lub +0.00001 lub +0.000000000000001: > …
Po pierwsze, poprzez integrację analityczną, mam na myśli, czy istnieje reguła integracji, która rozwiązuje to w przeciwieństwie do analiz numerycznych (takich jak reguły trapezoidalne, Gaussa-Legendre'a lub Simpsona)? Mam funkcję gdzie to funkcja gęstości prawdopodobieństwa rozkładu logarytmicznego z parametry i \ sigma . Poniżej skrócę notację do g (x) i użyję …
Jest zakorzenione w nauczaniu dyscyplin stosowanych, takich jak medycyna, że pomiary ilości biomedycznych w populacji są zgodne z normalną „krzywą dzwonową”. Zwraca wyszukiwane przez Google ciąg „założyliśmy rozkład normalny”23,90023,900\small 23,900wyniki! Brzmią jak: „biorąc pod uwagę niewielką liczbę ekstremalnych punktów danych, przyjęliśmy normalny rozkład anomalii temperaturowych” w badaniu dotyczącym zmian klimatu; …
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.