সব বই

পেশাদার

1 Markets I: The Ecosystem and Exchange-Traded Marketsবাজার অনলাইনইংরেজি 2 Markets II: Rates, FX and Creditবাজার অনলাইনইংরেজি 3 Markets III: Commodities, Energy and Cryptoবাজার অনলাইনইংরেজি 4 Quantitative Methodsপদ্ধতি অনলাইনইংরেজি 5 Derivatives and Volatilityডেরিভেটিভস অনলাইনইংরেজি 6 Rates, Credit, XVA and Riskসুদহার, ঋণ ও ঝুঁকি অনলাইনইংরেজি 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosগবেষণা অনলাইনইংরেজি 8 Strategies I: Equities and Futuresকৌশল অনলাইনইংরেজি 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksকৌশল অনলাইনইংরেজি 10 Microstructure and Executionএক্সিকিউশন অনলাইনইংরেজি 11 Market Making and High-Frequency Tradingমার্কেট মেকিং অনলাইনইংরেজি 12 Machine Learning for Marketsমেশিন লার্নিং অনলাইনইংরেজি 13 Low-Latency Softwareপ্রযুক্তি অনলাইনইংরেজি 14 Networks, Hardware and Trading Infrastructureপ্রযুক্তি অনলাইনইংরেজি 15 Research, Data and Risk Platformsপ্রযুক্তি অনলাইনইংরেজি 16 The Desk and the Firmপ্রতিষ্ঠান অনলাইনইংরেজি 17 The Industry: Firms, Roles and Careersক্যারিয়ার অনলাইনইংরেজি 18 Interviews I: Maths, Probability and Speedক্যারিয়ার অনলাইনইংরেজি 19 Interviews II: Markets, Trading Games and the Final Roundক্যারিয়ার অনলাইনইংরেজি 20 Interviews III: Codeক্যারিয়ার অনলাইনইংরেজি
অ্যাপ পরিচিতি Coach সাইন ইন পড়া শুরু করো

বইগুলো এখনো বাংলা ভাষায় পাওয়া যায় না — العربية সংস্করণ দেখানো হচ্ছে।

الرياضيات · পরিভাষা

متجهة غاوسية কী?

تعريف 23.10 الرياضيات الجامعية — السنة 3 · অধ্যায় 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).

উদাহরণ

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).

প্রসঙ্গসহ পড়ো ←