جميع الكتب

مهني

1 Markets I: The Ecosystem and Exchange-Traded Marketsالأسواق عبر الإنترنتالإنجليزية 2 Markets II: Rates, FX and Creditالأسواق عبر الإنترنتالإنجليزية 3 Markets III: Commodities, Energy and Cryptoالأسواق عبر الإنترنتالإنجليزية 4 Quantitative Methodsالأساليب عبر الإنترنتالإنجليزية 5 Derivatives and Volatilityالمشتقات عبر الإنترنتالإنجليزية 6 Rates, Credit, XVA and Riskالفائدة والائتمان والمخاطر عبر الإنترنتالإنجليزية 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosالبحث عبر الإنترنتالإنجليزية 8 Strategies I: Equities and Futuresالاستراتيجيات عبر الإنترنتالإنجليزية 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksالاستراتيجيات عبر الإنترنتالإنجليزية 10 Microstructure and Executionالتنفيذ عبر الإنترنتالإنجليزية 11 Market Making and High-Frequency Tradingصناعة السوق عبر الإنترنتالإنجليزية 12 Machine Learning for Marketsتعلم الآلة عبر الإنترنتالإنجليزية 13 Low-Latency Softwareالتكنولوجيا عبر الإنترنتالإنجليزية 14 Networks, Hardware and Trading Infrastructureالتكنولوجيا عبر الإنترنتالإنجليزية 15 Research, Data and Risk Platformsالتكنولوجيا عبر الإنترنتالإنجليزية 16 The Desk and the Firmالشركة عبر الإنترنتالإنجليزية 17 The Industry: Firms, Roles and Careersالمسارات المهنية عبر الإنترنتالإنجليزية 18 Interviews I: Maths, Probability and Speedالمسارات المهنية عبر الإنترنتالإنجليزية 19 Interviews II: Markets, Trading Games and the Final Roundالمسارات المهنية عبر الإنترنتالإنجليزية 20 Interviews III: Codeالمسارات المهنية عبر الإنترنتالإنجليزية
التطبيقات حول المدرب تسجيل الدخول ابدأ القراءة

الرياضيات · المسرد

ما معنى متجهة غاوسية؟

تعريف 23.10 الرياضيات الجامعية — السنة 3 · الفصل 23 — الدوال المميِّزة ومبرهنة النهاية المركزية

تكون المتجهة العشوائية X=(X1,…,Xd)X = (X_1, \dots, X_d) غاوسية إذا كانت كل تركيبة خطية ⟨t,X⟩=∑tiXi\langle t, X\rangle = \sum t_iX_i متغيّرًا غاوسيًّا حقيقيًّا (وقد يكون منحلًّا). ويتعيّن قانونها بمتجهة المتوسط m=(EXi)m = (\E X_i) ومصفوفة التغاير Σ=(Cov⁡(Xi,Xj))\Sigma = \bigl(\operatorname{Cov} (X_i, X_j)\bigr): إذ إن الدالة المميِّزة للمتجهة، φX(t)=Eei⟨t,X⟩\varphi_X(t) = \E\eu^{\iu\langle t, X\rangle}، هي قيمة الدالة المميِّزة للمقدار ⟨t,X⟩\langle t, X\rangle عند 11:

φX(t)=exp⁡(i⟨t,m⟩−12 tTΣ t),\varphi_X(t) = \exp\Bigl(\iu\langle t, m\rangle - \tfrac12\,t^{\mathsf T}\Sigma\,t\Bigr),

والدوال المميِّزة ذات البُعد dd متباينة (ببرهان التنعيم نفسه كما في المبرهنة 23.3، بغاوسيات إحداثية).

أمثلة

مثال 23.9 (فترات الثقة، مستنبطةً بأمانة)

نستطلع nn من الناخبين المستقلين؛ ويقدّر p^n=Sn/n\hat p_n = S_n/n النسبةَ الحقيقية pp، مع σ2=p(1−p)≤14\sigma^2 = p(1-p) \leq \frac14. وتعطي مبرهنة النهاية المركزية، من أجل nn كبير،

P(∣p^n−p∣≤z2n)  ≥  P(∣Sn−npσn∣≤z)⟶Φ(z)−Φ(−z),\P\Bigl(\abs{\hat p_n - p} \leq \frac{z}{2\sqrt n}\Bigr) \;\geq\; \P\Bigl(\Bigl|\frac{S_n - np}{\sigma\sqrt n}\Bigr| \leq z\Bigr) \longrightarrow \Phi(z) - \Phi(-z),

حيث Φ\Phi دالة التوزيع الغاوسية المعيارية. ومع z=1.96z = 1.96: ثقةٌ مقاربة 95%95\%، ويتطلب الهامش 1.962n≤3%\frac{1.96}{2\sqrt n} \leq 3\% أن يكون n≥(1.960.06)2≈1068n \geq \bigl(\frac{1.96}{0.06}\bigr)^2 \approx 1068 — أي العدد الكامن وراء كل «±3\pm3 نقاط، 95%95\%» يقرأها المرء؛ وقارن ذلك بعدد تشيبيشيف 55565556 (التمرين 22.7). والعامل n\sqrt n شامل: فلتنصيف الخطأ، ضاعف العيّنة أربع مرات — وهو القانون نفسه الذي يحدّد كلفة مونتي كارلو (التمرين 23.7).

اقرأ في الفصل ←