Хвосты - распределение
Cтраница 1
Хвосты распределения Коши падают настолько медленно, что дисперсия может быть произвольно большой, если А достаточно велико. [1]
ММеМо, а в скошенном хвосты распределения не влияют на среднюю арифметическую ( М; другое часто встречающееся обозначение средней арифметической - х), которая сдвигается в сторону его больших значений. [2]
При установлении априорного распределения часто предполагают, что хвосты распределения имеют мало значения в случае, когда функция полезности принимающего решение линейна или близка к этому. [3]
 |
Распределение элек. [4] |
В этом случае вероятность заполнения электронных состояний в с-зоне и дырочных состояний в г-зоне) оказывается невелика ( см. на рис. 2 редко заштрихованные хвосты распределения Ферми, попадающие в зоны), следовательно, ограничение Паули не может существенно сказаться на характере распределения, и распределение Ферми превращается ( в разрешенных зонах) в распределение Максвелла. [5]
В моделируемых режимах предполагалось, что за счет интенсивного излучения и объемного механизма взаимодействия излучения с биотканью вдоль оси симметрии луча образуется отверстие и дальнейший нагрев биоткани происходит менее интенсивно, т.к. на этой стадии работают только хвосты гауссового распределения интенсивности излучения по радиусу. Процесс денатурации рассматривался как химическая реакция, подчиняющаяся уравнению Аррениуса. [6]
Во-первых, более толстые хвосты распределения Стьюдента с 5 степенями свободы дадут более высокую справедливую стоимость колл-опциона. Вообще, чем толще хвосты распределения, тем больше получается цена колл-опциона. Если бы мы использовали 4 степени свободы, то получили бы еще большую цену колл-опциона. [7]
От параметра а зависит так называемая тяжесть хвостов распределения. С уменьшением параметра а хвосты распределений WG и WC становятся более тяжелыми. [8]
Применение симметризации позволяет значительно упростить многие рассуждения. В связи с этим весьма важным является то обстоятельство, что хвосты распределений F и F имеют сравнимую величину. Более точно это выражено в нижеследующих неравенствах. Смысл этих неравенств представляется более ясным, когда они выражены в терминах случайных величин, а не в терминах самих функций распределения. [9]
Более того, и это, возможно, гораздо важнее, новая модель пригодна для любого распределения дохода. Ранние модели портфелей чаще всего предполагали нормальное распределение при оценке различных исходов, к которым могут привести инвестиции. При этом хвосты распределения - самые благоприятные и неблагоприятные исходы - оказывались много тоньше, чем должны были быть в случае реального, отличающегося от нормального, распределения. Следовательно, самые хорошие и самые плохие возможные исходы инвестиций этими ранними моделями обычно недоучитывались. В новой модели различные сценарии входят в хвосты распределения исходов, и вы можете назначить им любые вероятности по своему усмотрению. Даже непостижимо устойчивое распределение доходов Парето можно описать с помощью различных сценариев, на основании чего построить оптимальный портфель. [10]
В одних случаях само условное распределение выходной величины таково, что его плотность имеет медленно затухающие хвосты. Дело в том, что хвосты распределения могут существенно влиять на положение среднего. [11]
Устойчивость закономерностей изменения св-в материала во времени отражает процесс повреждения в среднем, а вероятностные закономерности определяют закон распределения значений св-в и соответственно закон распределения отказов ( рис.), который положен в основу расчетов надежности. В качество типовых моделей отказов используют: при внезапных отказах - показательное ( экспоненциальное) распределение, при постепенных отказах - нормальное, асимметричное ( логарифмически нормальное, гамма-распределение, распределение Вейбул-ла) и др. Так, значение характеристик кратковременной прочности удовлетворительно описывается нормальным распределением ( табл. с. Выбор закона распределения - весьма существен в оценке надежности, поскольку вероятность отказа определяют хвосты распределений с очень малой плотностью вероятности. [12]
Более того, и это, возможно, гораздо важнее, новая модель пригодна для любого распределения дохода. Ранние модели портфелей чаще всего предполагали нормальное распределение при оценке различных исходов, к которым могут привести инвестиции. При этом хвосты распределения - самые благоприятные и неблагоприятные исходы - оказывались много тоньше, чем должны были быть в случае реального, отличающегося от нормального, распределения. Следовательно, самые хорошие и самые плохие возможные исходы инвестиций этими ранними моделями обычно недоучитывались. В новой модели различные сценарии входят в хвосты распределения исходов, и вы можете назначить им любые вероятности по своему усмотрению. Даже непостижимо устойчивое распределение доходов Парето можно описать с помощью различных сценариев, на основании чего построить оптимальный портфель. [13]
Страницы: 1