Matstat Econometria Matan - página 10
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Doutor, pode.
Vontade + carácter + experiência + abordagens não convencionais (não muito difíceis).
Quem alguma vez se perguntou como quebrar o sistema?
Que sistema?
Tivemos guerra uma vez, não fomos proibidos, apenas a mãe** comprou os direitos ao jogo e cortou os topos onde estávamos).
não acredito que fui banido do jogo de topo e fui banido da mesma forma que fui banido do jogo de topo
o que é o sistema?
Aleatório.
... Admita que não podeganhar dinheiro com SB. Arrependei-vos. E será bem-vindo de volta à sociedade decente )).
Doutor, eu respeito-o muito. E comunicaram consigo de forma sincera e inesquecível.... Mas, você é muito, muito estúpido. Admita isso e talvez as nossas relações voltem ao normal.
E, sobre econometria, matstat e matan (Deus, que nomes!) apoio a Automat - este disparate só é aplicável se o indivíduo tiver compreendido a física do processo. Caso contrário, tudo isto é um disparate e não vale a pena prestar atenção.
Ámen.
Sem ofensa.
Mais um. Não tem uma voz impaciente?
Porque é que está aqui fechado para flubular?
Doutor, faça-lhes uma lobotomia a todos.
Mais um. Não tem uma voz impaciente?
Porque é que está aqui fechado para flubular?
Doutor, faça-lhes uma lobotomia a todos.
Com quem estás a falar, amigo? Um pica-pau completo. Bem, o livre arbítrio será livre. Se a situação se tornar difícil, chame A Sombra. Talvez ele venha em socorro.
Vou tentar) Deixem-me começar por dizer que a probabilidade é a densidade da distribuição da amostra. É uma função da amostra e dos parâmetros. Substituímos nela os valores da amostra obtida na experiência, e depois ela torna-se uma função dos parâmetros. Encontramos valores de parâmetros que fazem esta função atingir o máximo e declaramos estes valores como valores necessários (estimativas dos valores dos parâmetros).
Basicamente é simples, mas é preciso compreender o que é a amostragem - uma palavra é usada para dois conceitos diferentes. Também é necessário saber o que é a densidade de amostragem e o que é quando a amostra é um vector de valores independentes e igualmente distribuídos.
A pedido do iniciador do tópico, continuarei sobre o princípio da máxima probabilidade. Para brevidade utilizarei a notação inglesa MLE (maximum likelihood estimation).
1) Temos de aprender a distinguir dois significados diferentes da palavra "amostra". O primeiro é um conjunto de números obtidos numa experiência, e o segundo é um conjunto de valores aleatórios. O primeiro são os números realmente presentes. O segundo é o modelo de probabilidade abstracta que o investigador está a tentar aplicar a esses números, ou seja, o mesmo conjunto experimental de números pode ser considerado em modelos completamente diferentes. Mas há sempre uma correspondência - um número -> uma variável aleatória univariada. Um vector experimental de dez números deve ser modelado por um modelo de dez variáveis aleatórias. Mesmo que todas estas variáveis aleatórias estejam igualmente distribuídas - elas são exactamente dez variáveis aleatórias diferentes!
2) A informação completa sobre um conjunto de variáveis aleatórias está contida na sua distribuição conjunta (multivariada). Todas as distribuições menores (incluindo as univariadas com as quais normalmente lidamos) podem ser calculadas a partir dele.
Por definição, a probabilidade é a densidade desta distribuição conjunta. Para uma amostra de tamanho N, é uma função numérica do espaço numérico N-dimensional. Além disso, depende também dos parâmetros a serem determinados (estimados).
Consequentemente, coloca-se a questão - de onde vem esta função? A resposta é "como acontece"), uma vez que é impossível cobrir toda a variedade de formas.
3) A variante padrão da EML. É frequentemente utilizada como uma definição de EML, mas restringe demasiado a aplicabilidade do método. Utiliza-se a hipótese de que todas as variáveis aleatórias na amostra são a) independentes e b) têm a mesma distribuição univariada com densidade p(x,a) onde a é o parâmetro a ser estimado. Depois a função de probabilidade L=p(x1,a)*p(x2,a)*...*p(xn,a), onde n é o tamanho da amostra. Substituir a amostra (no primeiro sentido) por x's, obter L=L(a) e procurar o amax em que L atinge o máximo. Note-se que podemos maximizar LL(a)=log(L(a)) em vez de L(a), uma vez que o logaritmo é uma função monotónica e, convenientemente, substitui o produto por adição.
Para um exemplo, considerar a distribuição exponencial p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x, a derivada sobre o parâmetro d(log(p(x,a)))/da=1/a-x. Assim, precisamos de resolver a equação 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn).
4) Da próxima vez descreverei como é obtido o método de minimização da soma de módulos em vez de MNC)
Roman:
Doutor, faça-lhes uma lobotomia a todos.
Meu amigo, já tentámos isso, não funciona. Pela minha parte, tentarei flubular o menos possível aqui.
Doutor, tenho muito respeito por si. E comunicaram consigo de forma sincera e inesquecível.... Mas, você é muito, muito estúpido. Admita-o, e talvez a nossa relação volte ao bom caminho.
Se um doente estiver em mau estado, estou preparado para fazer qualquer coisa para aliviar o seu sofrimento. Por vezes até desato um pouco o colete-de-forças.
Li a sua obra. Provou praticamente que nenhuma quantidade de manipulação de carraças altera a persistência da série. Parabéns.