Matstat Econometría Matan - página 10
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Doctor, usted puede.
Voluntad + carácter + experiencia + enfoques no convencionales (no demasiado difíciles).
¿Quién se ha preguntado alguna vez cómo romper el sistema?
¿Qué sistema?
Tuvimos warface una vez, no fuimos baneados, simplemente ma** compró los derechos del juego y cortó los topes donde estábamos).
no puedo creer que me hayan baneado del juego superior y que me hayan baneado de la misma manera que me banean del juego superior
¿qué es el sistema?
Al azar.
... Admite que no puedesganar dinero con SB. Arrepiéntete. Y serás bienvenido de nuevo a la sociedad decente )).
Doctor, le respeto mucho. Y haberme comunicado con usted sincera e inolvidablemente.... Pero, eres muy, muy estúpido. Admítelo y tal vez nuestra relación vuelva a estar en marcha.
Y, sobre la econometría, matstat y matan (¡Dios, qué nombres!) apoyo a Automat - esta tontería es aplicable sólo si el individuo ha captado la física del proceso. De lo contrario, todo son tonterías y no merece la pena prestarles atención.
Amén.
No te ofendas.
Una más. ¿No tienes una voz impaciente?
¿Por qué vienes aquí a desvirtuar?
Doctor, hazles una lobotomía a todos.
Una más. ¿No tienes una voz impaciente?
¿Por qué estás encerrado aquí para despreciar?
Doctor, hazles una lobotomía a todos.
¿Con quién estás hablando, amigo? Un pájaro carpintero completo. Bueno, la libertad será libre. Si se pone difícil, llama a La Sombra. Tal vez venga al rescate.
Lo intentaré) Permítanme empezar diciendo que la probabilidad es la densidad de la distribución muestral. Es una función de la muestra y de los parámetros. Sustituimos en él los valores de la muestra obtenidos en el experimento, y entonces se convierte en una función de los parámetros. Encontramos los valores de los parámetros que hacen que esta función alcance el máximo y declaramos estos valores como valores requeridos (estimaciones de los valores de los parámetros).
Básicamente es sencillo, pero hay que entender qué es el muestreo: una palabra se utiliza para dos conceptos diferentes. También hay que saber qué es la densidad muestral y cuál es cuando la muestra es un vector de valores independientes igualmente distribuidos.
A petición del iniciador del tema, continuaré con el principio de máxima probabilidad. En aras de la brevedad, utilizaré la notación inglesa MLE (estimación de máxima verosimilitud).
1) Debemos aprender a distinguir dos significados diferentes de la palabra "muestra". El primero es un conjunto de números obtenidos en un experimento, y el segundo es un conjunto de valores aleatorios. El primero es el de las cifras realmente presentes. El segundo es el modelo de probabilidad abstracto que el investigador intenta aplicar a esos números, es decir, el mismo conjunto experimental de números puede ser considerado en modelos completamente diferentes. Pero siempre hay una correspondencia: un número -> una variable aleatoria univariante. Un vector experimental de diez números debe ser modelado por un modelo de diez variables aleatorias. Aunque todas estas variables aleatorias estén igualmente distribuidas, ¡son exactamente diez variables aleatorias diferentes!
2) La información completa sobre un conjunto de variables aleatorias está contenida en su distribución conjunta (multivariante). Todas las distribuciones menores (incluidas las univariantes que normalmente tratamos) pueden calcularse a partir de ella.
Por definición, la probabilidad es la densidad de esta distribución conjunta. Para una muestra de tamaño N, es una función numérica del espacio numérico N-dimensional. Además, también depende de los parámetros a determinar (estimar).
Por lo tanto, surge la pregunta: ¿de dónde viene esta función? La respuesta es "como sea"), ya que es imposible abarcar toda la variedad de formas.
3) La variante estándar del MLE. A menudo se utiliza como definición de MLE, pero reduce demasiado la aplicabilidad del método. Se asume que todas las variables aleatorias de la muestra son a) independientes y b) tienen la misma distribución univariante con densidad p(x,a) donde a es el parámetro a estimar. Entonces la función de probabilidad L=p(x1,a)*p(x2,a)*...*p(xn,a), donde n es el tamaño de la muestra. Sustituye la muestra (en el primer sentido) por x's, obtén L=L(a) y busca el amax en el que L alcanza el máximo. Nótese que podemos maximizar LL(a)=log(L(a)) en lugar de L(a), ya que el logaritmo es una función monótona y, convenientemente, sustituye al producto por la suma.
Por ejemplo, consideremos la distribución exponencial p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x, la derivada sobre el parámetro d(log(p(x,a)) /da=1/a-x. Por lo tanto, tenemos que resolver la ecuación 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn).
4) La próxima vez describiré cómo se obtiene el método de minimización de la suma de módulos en lugar del MNC)
Roman:
Doctor, hazles una lobotomía a todos.
Amigo, ya lo hemos intentado, no funciona. Por mi parte, trataré de meter la pata lo menos posible aquí.
Doctor, le tengo mucho respeto. Y haberme comunicado con usted sincera e inolvidablemente.... Pero, eres muy, muy estúpido. Admítelo, y tal vez nuestra relación vuelva a estar en marcha.
Si un paciente está mal, estoy dispuesto a hacer cualquier cosa para aliviar su sufrimiento. A veces incluso me desato un poco la camisa de fuerza.
He leído tu opus. Prácticamente has demostrado que ninguna manipulación de tics cambia la persistencia de la serie. Enhorabuena.