Переменные затраты TWR очень незначительны, и существует твердая уверенность в том, что вклад составит 90% выручки от реализации. Выручку и постоянные затраты можно считать статистически независимыми переменными. [c.431]
Переменные в задаче можно считать статистически независимыми. [c.434]
Расчет теоретически ожидаемых частот в ячейках таблицы сопряженности должен производиться, как мы уже указывали выше, в предположении справедливости нулевой гипотезы. Нуль-гипотеза (//0) в данном случае есть предположение о статистической независимости рассматриваемых переменных. Как известно из теории вероятностей, две случайные величины (события) являются статистически независимыми, если вероятность их совместной реализации равна произведению вероятностей реализации каждой из них по отдельности, т. е. [c.204]
Дисперсия - наиболее широко применяемая оценка рассеяния случайных величин. Это связано с тем, что она обладает свойством аддитивности, то есть дисперсия суммы статистически независимых случайных величин равна сумме дисперсий этих величин, безотносительно к разнообразию законов распределения каждой из суммируемых величин и возможной деформации законов распределения при суммировании. Отметим, что среднеквадратичное отклонение не аддитивно. [c.21]
Предикторы вводят связи между признаками, обеспечивающие их статистическую независимость. В частном случае линейных предикторов дополнительные сети вырождаются в латеральные связи между нейронами последнего слоя. Эти связи обучаются таким образом, чтобы выходы нейронов этого слоя были некоррелированы. [c.79]
Поэтому в качестве входных переменных логично выбирать наиболее статистически независимые величины, например, изменения котировок A t или логарифм относительного [c.153]
Существует поговорка Если хочешь попробовать соленой воды, не обязательно выпивать все море . Этот принцип используется в современных исследованиях. На основании исследования некоторой части целевой группы можно сделать вывод о подобном поведении, мнении, отношении и т.п. всей целевой группы. Казалось бы, дело за малым — отобрать необходимых респондентов и провести их опрос. Проблема заключается в том, как отобрать нужных респондентов и сколько их необходимо опросить. Осуществить статистический независимый отбор респондентов весьма непросто. [c.148]
Рассмотрим задачу стохастического программирования, оптимальный план которой определяется в априорных решающих распределениях. Будем предполагать, что смешанные стратегии х и случайные параметры и условий задачи статистически независимы, т. е. Fm x = = FJX. [c.146]
Теорема 2.2.. Если векторы А, Сг статистически независимы от Ь 1, с -1, i =l,...,n, и си — фиксированные векторы,, то среди оптимальных решающих правил многоэтапных задач с условными вероятностными ограничениями имеются правила нулевого порядка (другими словами, в условиях теоремы задача (1.3) — (1.5) имеет решение в детерминированных векторах). , .. ..... [c.237]
Покажем, что если 2г(Ь 1, с 1) — решение задачи, то и z, также является оптимальным решающим правилом. По условию теоремы t статистически независимо от и1 "1, с 1. Поэтому [c.238]
Прежде чем мы начнем, мы должны разобраться с мифом о "случайных числах". Ни один генератор случайных чисел не производит истинные случайные числа. Вместо них алгоритм производит псевдослучайные числа - числа, которые являются статистически независимыми согласно большинству гауссовых признаков. Эти псевдослучайные числа фактически имеют длинный цикл, или память, после которого они начинают повторяться. Как правило, циклы достаточно длинны для того, чтобы повторение не обнаруживалось. Недавно, однако, было найдено, что псевдослучайные числа могут исказить результаты, когда большие количества данных используются в моделированиях по методу Монте-Карло. Обычно мы не сталкиваемся с этой проблемой в финансовой экономике. Однако многие из алгоритмов, используемых в качестве генераторов случайных чисел, являются версиями хаотических систем. R/S-анализ особенно хорошо справляется с раскрытием детерминированного хаоса и процессов с долговременной памятью. Поэтому чтобы гарантировать случайность наших испытаний, все ряды случайных чисел в этой книге перед использованием перемешиваются согласно двум другим рядам псевдослучайных чисел. Этот метод не устраняет всю зависимость, но сводит ее к фактически неизмеримым уровням, даже для R/S-анализа. [c.75]
Являются ли А и В статистически независимыми [c.212]
Являются ли атрибуты "обладание депозитным счетом" и "обладание текущим счетом" статистически независимыми [c.213]
И наконец, следует уточнить, в соответствии с каким именно критерием качества аппроксимации неизвестных величин среднедушевых семейных денежных сбережений у (к) и уср (x) с помощью функции В0 + BI мы будем определять наилучший способ прогноза ср (х) по х. Наиболее обоснованное и точное решение этого вопроса опирается на знание вероятностной природы (а именно типа закона распределения вероятностей) остатков е в модели (В.З). Так, например, известно [14, с. 281], что если предположить, что при любых значениях к распределение вероятностей остатков е описывается (0, а2)-нормальным законом (т. е. нормальным законом со средним значением, равным нулю, и с некоторой, вообще говоря, неизвестной, но постоянной, т. е. не зависящей от х дисперсией а2) и что остатки е (дсг-), i = 1, 2,. .., п, характеризующие различные наблюдения, статистически независимы, то наименьшая ошибка прогноза (/ср (х) с помощью модели / (х) F (т. е. функция / (х) подбирается из класса F) обеспечивается требованием метода наименьших квадратов [c.17]
Н ( л) С Я ( ), причем равенство достигается тогда и только тогда, когда и т] статистически независимы. [c.130]
Коэффициенты С заключены в пределах между 0 и 1 и по своим свойствам во многом аналогичны обычным коэффициентам корреляции. Они равны нулю, когда переменные и т] статистически независимы Сцл равно 1, когда однозначно определяется по TJ они не меняются при взаимно-однозначных преобразованиях переменных. [c.130]
Действительно, поскольку В = Y (см. (11.9)), а У в силу (11.2 ) и (11.4) подчиняется n-мерному нормальному распределению, то утверждение (11.13) следует непосредственно из того, что линейные комбинации нормально распределенных величин также распределены нормально [20, теорема 2.4.11. Утверждение (11.14) является прямым следствием (11.11) и теоремы 3.3.3 из [201. Статистическая независимость оценок В и [c.341]
Временной ряд х ( ), х (/2),. .., х (tn) отличается от последовательности наблюдений хь х2,. .., хп , образующих случайную выборку, тем, что члены временного ряда не являются ни статистически независимыми, ни одинаково распределенными. [c.370]
Модель (13.23) существенно отличается от близкой модели с постоянными факторами (13.2). В ней 1) все наблюдения имеют одинаковые математические ожидания и 2) наблюдения не являются статистически независимыми. В частности, положительно коррелированы наблюдения у и у-ч- (/ Ф / ) соответствующие одному и тому же значению (i) изучаемого фактора. Соответствующий коэффициент корреляции, равный Р = а / (< 1 + а ), называют коэффициентом внутриклассовой корреляции. [c.389]
Затраты на каждый прогноз (в единицах выигрыша) равны 0,25, причем прогнозы рассматриваются политическим деятелем как статистически независимые. Вероятность того, что прогноз окажется правильным, тем больше, чем ближе он ко дню выборов. Это отражается следующими вероятностями [c.227]
При выявлении (выработке) альтернатив основную роль играет качественный анализ управляемости факторов, границ их изменения и т. д. Но определенную помощь могут оказать и методы количественного анализа в первую очередь для сжатия информации об управляемых факторах и представления ее в наглядном виде, а также для выявления независимых факторов управления. Эти задачи решаются математико-стати-стическими методами современного факторного и компонентного анализа [87, с. 136—158]. Этими методами обеспечивается уменьшение числа рассматриваемых факторных показателей в 3—4 раза без существенных потерь содержательной информации. Новые показатели синтетических управляемых факторов (компоненты исходной системы факторных показателей) статистически независимы. Свойство независимости обеспечивает их применяемость в теории принятия решений, так как эта теория предполагает независимость изучаемых альтернатив действия. Применение синтетических факторов обеспечивает переход от дискретной базисной модели принятия решений к непрерывной обобщенной модели, представленной системой уравнений. [c.66]
Интерпретация параметров интенсивности влияния факторов fli в многомерных регрессионных моделях определяется наличием и теснотой внутренних связей системы факторных показателей. Хотя наиболее распространенный метод оценки коэффициентов регрессии — метод наименьших квадратов — предполагает статистическую независимость факторных показателей, в практических попытках моделирования хозяйственной деятельности данное требование трудно выполнять и поэтому в общем случае им пренебрегают. Изучаются лишь пути устранения явных искажений, когда направление влияния фактора в модели прямо противоречит сущности моделируемого явления или теоретическим представлениям о сущности моделируемой связи. Такое положение создается из-за наличия тесной связи между факторами (какой-нибудь фактор выражается линейной комбинацией других факторов, включенных в мо- [c.120]
Повторный счет отдельных аспектов полезности альтернатив выражается в форме статистической взаимосвязи рассматриваемых (критериальных) показателей. Для устранения повторного счета исходные показатели (Z) трансформируются в новые синтетические статистически независимые (ортогональные) показатели (Е), которые комплексно отражают (измеряют) отдельные относительно изолированные аспекты хозяйственной деятельности. Данную трансформацию можно проводить методами компонентного (современного факторного) анализа. Данные методы позволяют также решить задачу выравнивания единиц измерения, так как компоненты выявляются в стандартизированном виде. [c.132]
Если выборка у, У2,..., Уь-.., уп рассматривается как одна из реализаций случайной величины Y, временной ряд у, Уг,..., Уь—> Уп рассматривается как одна из реализаций (траекторий) случайного процесса1 Y(t). Вместе с тем следует иметь в виду принципиальные отличия временного ряда у, (t= 1,2,..., п) от последовательности наблюдений у, уг,..., у , образующих случайную выборку. Во-первых, в отличие от элементов случайной выборки члены временного ряда, как правило, не являются статистически независимыми. Во-вторых, члены временного ряда не являются одинаково распределенными. [c.135]
Если, однако, какая-то статистическая завсимость все же имеется, то поначалу наш метод торговли будет субоптимальным (т. е. не оптимальным) Позже трейдер сможет встроить в него данные о зависимости и таким образом повысить его эффективность. Только при статистической независимости трейдер, возможно, будет вправе утверждать, что улучшить свой метод торговли он уже не сможет. [c.45]
Трудности, связанные с неэргодичностью природных явлений (неоднородностью процессов во времени), можно преодолеть путем усреднения не по времени, а по реализациям, в качестве которых, например, могут быть взяты многолетние значения гидрометеовеличин, относящиеся к стандартным срокам наблюдений. Поскольку реализации принадлежат разным годам, то их с достаточным основанием можно считать статистически независимыми. Необходимо отметить, что наблюдения на гидрометеопостах представляют собой дискретное множество состояний природной системы. В каждый момент времени система находится в одном из них и с течением времени переходит из одного состояния в другое. Последовательность таких случайных состояний можно рассматривать как марковский процесс без последействия (цепь Маркова). [c.111]
Предубежденность против технического анализа отражена в статье Робертса (Roberts, 1964) в кутнеровском томе. Роберте призывает к широчайшему использованию статистического анализа, основанного на работах Кендалла (Kendall, 1964), который сказал ... изменения в ценах на бумаги ве-ДУт себя так, как если бы они порождались рулеткой, для которой каждое выпадение статистически независимо от прошлой истории и отношения частот достаточно устойчивы во времени . Роберте далее утверждает, что модель изменений настойчиво требует независимости , а вероятности должны быть устойчивы во времени . Логическим обоснованием для принятия случайной модели служит следующее соображение [c.31]
Брошены две шестигранные кости — красная и синяя. Предположим, что событие А — это выпадение шестерки на синей кости и событие В — это то, что сумма выпавших чисел равна 7. Являются ли события А и В статистически независимыми [c.212]
Погрешность 5/>>п (9/ ) в оценивании параметра 0Л. Воспользуемся нормальной распределенностъю оценки 0ft (см. (11.13)) и знанием ее среднего значения Е 0ft — 0fe, (см. свойство несмещенности оценок в в п. 11.1.1) и дисперсии D0A = = а2 ( ) ы (см. (11.11) здесь (Х Х) 1 обозначает Л-й диагональный элемент матрицы (Х Х)-1). Это, с учетом статистической независимости в и а2 и (11.15), позволяет утверждать, что величина [c.342]
Учитывая полученное выражение для D / (X), несмещенность и нормальную распределенное оценки / (X) = = (X) в (как линейной функции от нормально распределенных случайных величин 60, Olf. .., 0m) и ее статистическую независимость от а2 (см. п. 11.1.1), а также (11.15), получаем факт t (п — т — 1)-распределенности случайной величины [c.343]
В случае статистической независимости фактораXi от всех остальных факторов модели сущность исходного и производного фактора совпадает (Xi = Xi) и а, выражает интенсивность влияния фактора Xi. Чем теснее взаимосвязи факторов, тем труднее понять сущность остаточной вариации Xi (так как большая часть вариации исходного показателя исключается из анализа) и, следовательно, дать экономическую интерпретацию модельного параметра а,. Чем больше факторов включается в модель, тем больше вариаций исходных показателей взаимно описывается и тем труднее становится раскрыть сущность новых показателей Xi. При добавлении новых показателей или исключении исходных параметры у остальных факторов также изменяются. [c.123]
Комплекс нормируемых метрологических характеристик должен позволить оценить и описать все четыре указанных составляющих (в общем случае представляющих собой случайные процессы) и описать в такой форме, чтобы при расчете инструментальной погрешности Д . в реальных (отличных от нормальных) условиях применения средств измерений их можно было бы статистически объединить, т.е. записать Д . = Д0 . Д./ Дйуп Д1п,, где — знак статистического объединения. Требования к универсальности и простоте статистического объединения составляющих инструментальной погрешности обусловливают необходимость их (составляющих) статистической независимости (некоррелированности). Однако предположение о независимости указанных выше составляющих инструментальной погрешности оправдывается не всегда. В частности, суммировать как независимые статическую и динамическую составляющие при оценке общей погрешности средств измерений допустимо лишь для таких приборов, которые являются линейными динамическими звеньями. Для средств измерений, являющихся существенно нелинейными динамическими звеньями, выделение в самостоятельные суммируемые составляющие статической и динамической погрешности недопустимо. [c.127]
Смотреть страницы где упоминается термин Статистическая независимость
: [c.203] [c.542] [c.45] [c.45] [c.79] [c.133] [c.153] [c.300] [c.82] [c.105] [c.106] [c.130] [c.130] [c.207] [c.341] [c.344] [c.92]Смотреть главы в:
Новый подход к управлению капиталом -> Статистическая независимость