Условная дисперсия

Cтраница 3

Пример 5.4. По данным примера 5.3 определить: а) условные плотности случайных величин X и У; б) зависимы или независимы случайные величины X и У; в) условные математические ожидания и условные дисперсии. [31]

Положим, что величина Х2 находится в однозначной функциональной зависимости от Х Тогда каждому значению Х будет соответствовать некоторое вполне определенное значение Х2; это положение сохранится и для совместно наблюденных значений, так что все условные дисперсии № ( / [ 2 обращаются в нуль. [32]

Итак, мы имеем т 1 р q 1 параметр для оценки ( т 1) значений альфа из уравнения условного математического ожидания, ( р 1) - бэта и q - гамма из уравнения условной дисперсии. [33]

При определении доверительного интервала по оценке дисперсии условных средних число степеней свободы - распределения равно ( п - 2), Это нужно учитывать, особенно для выборок небольшого объема. Другими словами, если рассматривается средняя условная дисперсия выходной переменной относительно двух входных переменных объекта, то распределение этой дисперсии соответствует - распределению с га - 4 степенями свободы. [34]

Эта теория находит большие приложения в метеорологических, геофизических задачах, теории турбулентного потока и др. областях. Им введены тензоры регрессии и условной дисперсии. В случае нормального распределения п-мерного случайного вектора это последнее полностью определяется заданием вектора математического ожидания и тензором дисперсии. Обуховым предложение о каноническом разложении корреляционной плотности приводит задачу изучения многомерных векторных корреляций к случаю одномерных векторов. [35]

Это и является уравнением GARCH. Оно показывает, что текущее значение условной дисперсии является функцией от константы - некоторого значения квадратов остатков из уравнения условной средней плюс некоторое значение предыдущей условной дисперсии. Например, если условная дисперсия наилучшим образом описывается уравнением GARCH ( 1, 1), то объясняется это тем, что ряд является AR ( 1), т.е. значения е рассчитаны с лагом в один период и условная дисперсия тоже рассчитана с таким же лагом. [36]

V-сгатисгика, процесс GARCH. [37]

Вообще, эти модели не соответствуют гипотезе фрактального рынка, но их необходимо рассматривать при исследовании данных, определяемых периодом. Другое исключение - модель IGARCH, которая обладает конечной условной дисперсией и в то же время бесконечной безусловной дисперсией. [38]

Уравнение (5.2.42) представляет вместе с тем согласно (5.1.21) уравнение линии нормальной регрессии К по X, которая, как видно из этого уравнения, является прямой линией. Аналогично регрессия по Y будет также линией, а условная дисперсия огх / у 0 ( 1 - Q XY) - Итак, нормальная регрессия является прямолинейной. [39]

Величину (4.23) называют информацией Фишера. Таким образом, никакая несмещенная оценка не может обладать условной дисперсией, меньшей величины, обратной информации Фишера. [40]

Упрощение основано на том, что управляющее воздействие на каждом шаге представляют в виде суммы направляющего и изучающего воздействий. Изучающая добавка представляет собой некоторую положительную функцию, зависящую от условной дисперсии ошибки оценивания. [41]

В статистике довольно широко употребляется такое заклинание: дисперсия случайной величины равна математическому ожиданию условной дисперсии плюс дисперсия условного математического ожидания. Его смысл состоит в следующем. [42]

И поскольку мы намерены рассматривать корреляционную связь, в которой фигурируют лишь средние значения и дисперсии, то естественно начать с постановки вопроса, как выражается влияние одной величины на среднее и дисперсию другой величины. Ответ на этот вопрос требует введения двух новых понятий: условного математического ожидания и условной дисперсии. [43]

Это позволяет положительным и отрицательным предыдущим значениям иметь различное влияние на волатильность. Представление в логарифмическом виде позволяет включать отрицательные значения остатков, не получая при этом отрицательную условную дисперсию. [44]

При идентификации объекта ограничиться определением первых условных и безусловных моментных функций можно только в том случае, когда условная дисперсия D ( Yt / Xs) гомоскедастична. Можно показать, что r yx ( t, s) кубатора, на входе которого действует гауссов процесс, степень связи Y ( t) и X ( s) для любых моментов времени / и s характеризует менее точно, чем ч ух ( t, s) квадратора с тем же входом. При этом и ryx ( t, s) и цах ( /, s) тождественно равны нулю, хотя исследуемые процессы зависимы. [45]

Страницы: 1 2 3 4