было "Практика ..."

Сообщение №1066 от andre dajd 10 октября 2001 г. 19:58
Тема: было "Практика ..."


уж больно тема интересна :)

> Речь шла о прогнозе функции распределения, а не о прогнозе значения. Разные вещи. Зачем нужна вся функция - другой вопрос. Напримаер интегрировать хвосты плотности, при оценке рисков. Причем в данном случае, речь уже может идти о многомерной функции распределения.

>Риск - это возможные потери = ошибки прогноза. Прогноз в первом приближении :( формализуется совпадением терминологии (фильтрацией, экстраполяцией, интерполяцией) с предсказуемым. А дальше всё действительно зависит от хвоста. :-)

Так ты чего предсказываешь? Если точку - это одно. Если всю функцию распределения - это уже совсем другое.


>Например, Римский клуб уже давал прогнозы...

Какие?


> >Т.е. достаточно :-)общепризнанной процедурой, назвав её, для удобоваримости, методом наилучшего эксперта.
> Как ни назови, но наименьшие квадраты - это максимизация правдоподобия, при дополнительных условиях на шум.

>Не люблю я глотать верёвки...
Передать мысль, конечно, невозможно. Но вызвать образ можно даже с помощью языка. Если иметь в виду множество моделей, то прямые попадания в процесс возможны, кто отрицает?! Не зря же весь мир в игре "угадайка сс юр/призом". Потом уже таких пророков, кто чаще угадывает, можно назвать "экспертами с богатым опытом" и т.д. И процедура массовых гаданий внешне проста!

Не пойму, как это связано с моими словами, ну да ладно.

>Ой, не могу удержаться, сорри!
"АКФ полностью адекватна как мера ассоциативности данных только для условно гауссового процесса."
В АКФ содержится правдоподобная модель,

Что значит "правдоподобая". Каков критерий оной правдоподобности?

В любом случае, корреляция - всегда корреляция и она не всегда удобна для моделирования ассоциаций. Особенно четко это проявляется при расмотрении многомерных распределений.

>но АКФ-то и изучают (кто может) и пренебрегают, как нечто малое в разложении Тейлора y=e+cx+... Вот и я о том же... С пониманием дополнительных ограничений... :-) Где ж их, родимых-аналитических, в коротких выборках?! "...при дополнительных условиях на шум..." :-(. Ну ладно бы ещё, априорных. Да и разложения бывают другие.

Не хотел "кусаться", сорри. Тема бесконечна, как и сами асимптотические методы :-). Мне кажется, что из моей практики :-) следует не увлечение предсказанным числом, а важность анализа ошибок (МНК :-), ну и правдоподобие, как само собой разумеется :-). Другими словами.

Последним доводом (на сегодня :-) и казалось бы противореча себе) хочу заметить, что не постулируя в модели производную невозможно отождествление. Вычисление её, производной, "упрётся" в ошибку метода (предел/величину малости), ошибку измерений (понятно: конечная разрядность, задержки) и вычислительную ошибку (поделить два числа близких к 0 :-).

А нужна эквивалентность, но попроще и поточнее... :-)))
Ну и "всё это мелочи по сравнению с бесконечностью:-)
>

По моему, те смешиваешь две разные вещи - точность вычислений и работу со стохастической информацией. Либо я тебя не понял. Если у тебя стохастический процесс - какая производная? Дифференциал Ито? Какой-то из генераторов/компенсаторов ("стохастических производных")? Не пойму.

И по поводу эквивалентности. Эквивалентность опять же может быть только статистическая, если можель стохастична. Поэтому то и надо прогнозировать не число, а функцию распределения, которая даст тебе доверительный интервал, исходя из текущей информации.


Отклики на это сообщение:

>
> уж больно тема интересна :)

см. Пойа, "Математика и правдоподобные рассуждения"

:-)))
Как уст румяных
без улыбки
я русской речи
без ошибки...

> > Речь шла о прогнозе функции распределения, а не о прогнозе значения. Разные вещи. Зачем нужна вся функция - другой вопрос. Напримаер интегрировать хвосты плотности, при оценке рисков. Причем в данном случае, речь уже может идти о многомерной функции распределения.

> >Риск - это возможные потери = ошибки прогноза. Прогноз в первом приближении :( формализуется совпадением терминологии (фильтрацией, экстраполяцией, интерполяцией) с предсказуемым. А дальше всё действительно зависит от хвоста. :-)

> Так ты чего предсказываешь? Если точку - это одно. Если всю функцию распределения - это уже совсем другое.

>
> >Например, Римский клуб уже давал прогнозы...

> Какие?

>
> > >Т.е. достаточно :-)общепризнанной процедурой, назвав её, для удобоваримости, методом наилучшего эксперта.
> > Как ни назови, но наименьшие квадраты - это максимизация правдоподобия, при дополнительных условиях на шум.

> >Не люблю я глотать верёвки...
> Передать мысль, конечно, невозможно. Но вызвать образ можно даже с помощью языка. Если иметь в виду множество моделей, то прямые попадания в процесс возможны, кто отрицает?! Не зря же весь мир в игре "угадайка сс юр/призом". Потом уже таких пророков, кто чаще угадывает, можно назвать "экспертами с богатым опытом" и т.д. И процедура массовых гаданий внешне проста!

> Не пойму, как это связано с моими словами, ну да ладно.

> >Ой, не могу удержаться, сорри!
> "АКФ полностью адекватна как мера ассоциативности данных только для условно гауссового процесса."
> В АКФ содержится правдоподобная модель,

> Что значит "правдоподобая". Каков критерий оной правдоподобности?

> В любом случае, корреляция - всегда корреляция и она не всегда удобна для моделирования ассоциаций. Особенно четко это проявляется при расмотрении многомерных распределений.

> >но АКФ-то и изучают (кто может) и пренебрегают, как нечто малое в разложении Тейлора y=e+cx+... Вот и я о том же... С пониманием дополнительных ограничений... :-) Где ж их, родимых-аналитических, в коротких выборках?! "...при дополнительных условиях на шум..." :-(. Ну ладно бы ещё, априорных. Да и разложения бывают другие.

> Не хотел "кусаться", сорри. Тема бесконечна, как и сами асимптотические методы :-). Мне кажется, что из моей практики :-) следует не увлечение предсказанным числом, а важность анализа ошибок (МНК :-), ну и правдоподобие, как само собой разумеется :-). Другими словами.

> Последним доводом (на сегодня :-) и казалось бы противореча себе) хочу заметить, что не постулируя в модели производную невозможно отождествление. Вычисление её, производной, "упрётся" в ошибку метода (предел/величину малости), ошибку измерений (понятно: конечная разрядность, задержки) и вычислительную ошибку (поделить два числа близких к 0 :-).

> А нужна эквивалентность, но попроще и поточнее... :-)))
> Ну и "всё это мелочи по сравнению с бесконечностью:-)
> >

> По моему, те смешиваешь две разные вещи - точность вычислений и работу со стохастической информацией. Либо я тебя не понял. Если у тебя стохастический процесс - какая производная? Дифференциал Ито? Какой-то из генераторов/компенсаторов ("стохастических производных")? Не пойму.

> И по поводу эквивалентности. Эквивалентность опять же может быть только статистическая, если можель стохастична. Поэтому то и надо прогнозировать не число, а функцию распределения, которая даст тебе доверительный интервал, исходя из текущей информации.


Физика в анимациях - Купить диск - Тесты по физике - Графики on-line

Реклама:
Rambler's Top100