Cтраница 1
Статистические проблемы возникают потому, что модель оценки долгосрочных активов компании трудно обосновать статистически, но так же трудно и опровергнуть. Это, безусловно, не отвечает концептуальной основе модели, в соответствии с которой диверсифицируемый риск не должен быть предметом вознаграждения инвестора, а поэтому не влияет на ожидаемые или средние нормы доходности инвестиций. Конечно, эти статистические результаты могут быть искусственными, т.е. случайными итогами неадекватной процедуры испытания модели. Но если они верны, то задают исследователю загадку: если индивидуальные инвесторы вознаграждаются за диверсифицируемый риск, тогда корпорации должны быть способны наращивать собственную стоимость только за счет диверсификации. Однако столь же очевидно, что инвесторы не платят более высокую цену за акции компаний, которые всего лишь осуществили диверсификацию. Да и трудно понять, зачем бы им платить больше, ведь индивидуальные инвесторы обычно способны диверсифицировать свои вложения дешевле и эффективнее, чем компании. Может быть, диверсифицируемый риск только представляется важным фактором, поскольку он оказался в состоянии корреляции с другой переменной х, которая наряду с коэффициентом бета на самом деле определяет ожидаемые инвестором нормы доходности. Это разрешило бы данную загадку, но мы не можем пока определить этот параметр и доказать, что он действительно влияет на вознаграждение за риск. [1]
Статистические проблемы возникают потому, что модель оценки долгосрочных активов компании трудно обосновать статистически, но так же трудно и опровергнуть. Это, безусловно, не отвечает концептуальной основе модели, в соответствии с которой диверсифицируемый риск не должен быть предметом вознаграждения инвестора, а поэтому не влияет на ожидаемые или средние нормы доходности инвестиций. Конечно, эти статистические результаты могут быть искусственными, т.е. случайными итогами неадекватной процедуры испытания модели. Но если они верны, то задают исследователю загадку: если индивидуальные инвесторы вознаграждаются за диверсифицируемый риск, тогда корпорации должны быть способны наращивать собственную стоимость только за счет диверсификации. Однако столь же очевидно, что инвесторы не платят более высокую цену за акции компаний, которые всего лишь осуществили диверсификацию. Да и трудно понять, зачем бы им платить больше, ведь индивидуальные инвесторы обычно способны диверсифицировать свои вложения дешевле и эффективнее, чем компании. Может быть, диверсифицируемый риск только представляется важным фактором, поскольку он оказался в состоянии корреляции с другой переменной х, которая наряду с коэффициентом бета на самом деле определяет ожидаемые инвестором нормы доходности. Это разрешило бы данную загадку, но мы не можем пока определить этот параметр х и доказать, что он действительно влияет на вознаграждение за риск. [2]
Статистические проблемы возникают потому, что модель оценки долгосрочных активов компании трудно обосновать статистически, но так же трудно и опровергнуть. Это, безусловно, не отвечает концептуальной основе модели, в соответствии с которой диверсифицируемый риск не должен быть предметом вознаграждения инвестора, а поэтому не влияет на ожидаемые или средние нормы доходности инвестиций. Конечно, эти статистические результаты могут быть искусственными, т.е. случайными итогами неадекватной процедуры испытания модели. Но если они верны, то задают исследователю загадку: если индивидуальные инвесторы вознаграждаются за диверсифицируемый риск, тогда корпорации должны быть способны наращивать собственную стоимость только за счет диверсификации. Однако столь же очевидно, что инвесторы не платят более высокую цену за акции компаний, которые всего лишь осуществили диверсификацию. Да и трудно понять, зачем бы им платить больше, ведь индивидуальные инвесторы обычно способны диверсифицировать свои вложения дешевле и эффективнее, чем компании. Может быть, диверсифицируемый риск только представляется важным фактором, поскольку он оказался в состоянии корреляции с другой переменной х, которая наряду с коэффициентом бета на самом деле определяет ожидаемые инвестором нормы доходности. Это разрешило бы данную загадку, но мы не можем пока определить этот параметр и доказать, что он действительно влияет на вознаграждение за риск. [3]
В другой интересной статистической проблеме требуется найти распределение по - компонентам высокомолекулярного полимера или длинной углеводородной цепи. При ограниченном вращении вокруг связей С - С становится возможным установить три направления равновесия, каждое из которых примерно равно для каждой связи. Если мы предположим, что три стабильные конфигурации расположены в шахматном порядке, то это соответствует тому, что нормальная углеводородная молекула может занять последовательные положения, аналогичные структуре алмазной решетки. [4]
К сожалению, сложные статистические проблемы не разрешаются постановкой одного-двух вопросов. Для примера укажем, что подворная карточка сельскохозяйственной переписи 1920 г. заключает в себе 257 вопросов. [5]
В настоящее время актуальной статистической проблемой является определение нового показателя - количество рабочих мест и его сопоставление с фактической численностью занятых в отраслях материального производства. [6]
Первый путь связан с рядом нерешенных статистических проблем и требует чрезвычайно большой исходной информации. Второй путь позволяет получить требуемые оценки точности лишь при суммарном влиянии всех исходных ошибок. Получаемые таким путем результаты могут существенно зависеть от применяемых методик обработки осциллограмм процессов и особенностей методик расчета. Поэтому такой путь требует накопления определенного опыта в подобных исследованиях. Несмотря на указанные недостатки второй путь является более естественным при решении прикладных задач и поэтому применяется в настоящее время в качестве основного при решении задач оценки точности расчетов и возможности практического использования той или иной математической модели случайного процесса. [7]
Поскольку данная книга посвящена в основном статистическим проблемам в оптике, мы начнем с четкого изложения математических методов, используемых при анализе случайных или статистических явлений. Мы будем исходить из того, что читатель по крайней мере частично знаком с основными элементами теории вероятностей. В данной главе мы дадим общий обзор наиболее важного материала, установим обозначения и представим ряд конкретных результатов, которыми будем пользоваться в дальнейшем в приложениях теории. Особое внимание обращается не на математическую строгость, а на физическую наглядность. [8]
Выбор этих четырех величин не является статистической проблемой. Они выбираются из практических соображений в каждом частном случае. Соответствующий план выборочного контроля, как будет показано в следующем пункте, может быть определен после того, как эти четыре величины выбраны. [9]
Область статистической оптики имеет свою богатую историю Многие фундаментальные статистические проблемы были решены еще в конце 19-го столетия применительно к акустике и оптике Рэлеем. Потребность в статистических методах в оптике исключительно возросла в связи со статистической интерпретацией квантовой механики, предложенной Борном. Введенная в 1954 г. Вольфом изящная и общая схема рассмотрения когерентных свойств волн явилась основой, которая позволила единым образом изучать многие важные статистические проблемы в оптике. Заслуживает также отдельного упоминания полуклассическая теория регистрации света, созданная Менделем, которая связала ( сравнительно простым образом) статистические флуктуации классических волновых величин ( поля, интенсивности) с флуктуациями, характерными для взаимодействия света с веществом. Хотя эта история еще далека от завершения, в отдельных последующих главах мы будем к ней возвращаться. [10]
DMAIC включает постановку проблемы бизнеса, ее преобразование в статистическую проблему и решение. Затем следует возвратиться к практическому решению и его реализации со статистическим мониторингом и контролем. [11]
Проекты Шести сигм выявляют проблемы бизнеса и переводят их в статистические проблемы. Последние разрешаются с помощью факторов, которые сдвигают среднее или уменьшают вариацию процесса. Разделяя систему измерений рабочего процесса на Y-и бизнеса и Х - ы процесса ( которые измеряются качеством, затратами и временем), можно установить зависимость системы измерений и статистической проблемы. [12]
В этой теории рассматриваются эксперименты, состоящие из многих стадий, и изучаются общие статистические проблемы, в которых статистик должен принять одно из многих решений. [13]
Английский психолог и антрополог Брэнсис Гальтон ( 1832 - 1911), исследуя статистические проблемы наследственности, ввел этот термин в оборот математической статистики. [14]
Требования, накладываемые на геометрическую форму доверительного множества ш ( Е), не представляют собой статистической проблемы и должны быть сформулированы на основе практического рассмотрения каждой частной задачи. Например, если неизвестный параметр только один ( пространство параметров одномерное), можем потребовать, чтобы со ( Е) было интервалом, длина которого не должна превышать некоторой заранее заданной величины d или некоторой данной функции средней точки интервала. Последний случай может оказаться интересным, например, при оценке среднего значения биномиального распределения. Если мы хотим оценить один из неизвестных параметров, например, 9lt то можем потребовать, чтобы ш ( Е) было интервалом, длина которого не превышала бы заранее заданной величины, или наложить более слабое требование, состоящее в том, чтобы u ( En -) было таким подмножеством r - мерного пространства параметров, диаметр проекции которого на ось 9t не превышал бы наперед заданной величины. [15]