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 — Bahasa Indonesia সংস্করণ দেখানো হচ্ছে।

Matematika · পরিভাষা

vektor Gauss কী?

Definisi 23.10 Matematika Universitas — Tahun 3 · অধ্যায় 23 — Fungsi Karakteristik dan Teorema Limit Pusat

Sebuah vektor acak X=(X1,…,Xd)X = (X_1, \dots, X_d) disebut Gauss jika setiap kombinasi linearnya ⟨t,X⟩=∑tiXi\langle t, X\rangle = \sum t_iX_i merupakan variabel Gauss real (yang mungkin merosot). Distribusinya ditentukan oleh vektor rata-ratanya m=(EXi)m = (\E X_i) dan matriks kovarians Σ=(Cov⁡(Xi,Xj))\Sigma = \bigl(\operatorname{Cov} (X_i, X_j)\bigr): sebab fungsi karakteristik vektornya, φX(t)=Eei⟨t,X⟩\varphi_X(t) = \E\eu^{\iu\langle t, X\rangle}, adalah nilai di 11 bagi fungsi karakteristik ⟨t,X⟩\langle t, X\rangle:

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),

sedangkan fungsi karakteristik berdimensi dd bersifat injektif (lewat bukti pemulusan yang sama dengan Teorema 23.3, dengan Gauss koordinat demi koordinat).

উদাহরণ

Contoh 23.9 (Selang kepercayaan, yang diturunkan secara jujur)

Jajakilah nn pemilih yang bebas; maka p^n=Sn/n\hat p_n = S_n/n menaksir pp yang sebenarnya, dengan σ2=p(1−p)≤14\sigma^2 = p(1-p) \leq \frac14. Lalu teorema limit pusatnya memberikan, bagi nn yang besar,

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),

dengan Φ\Phi sebagai fungsi distribusi Gauss bakunya. Dengan z=1.96z = 1.96: kepercayaan asimtotiknya 95%95\%, sedangkan marjin 1.962n≤3%\frac{1.96}{2\sqrt n} \leq 3\% menuntut n≥(1.960.06)2≈1068n \geq \bigl(\frac{1.96}{0.06}\bigr)^2 \approx 1068 — yakni bilangan di balik setiap “±3\pm3 poin, 95%95\%” yang orang baca; bandingkanlah dengan 55565556 milik Chebyshev (Latihan 22.7). Adapun n\sqrt n-nya universal: bahwa untuk memarukan galatnya, cuplikannya harus dilipatempatkan — yakni hukum yang sama yang menetapkan ongkos Monte Carlo (Latihan 23.7).

প্রসঙ্গসহ পড়ো →