Pertanyaan yang diberi tag «probability»

3
Memahami konstruksi proses stokastik
Saya telah melihat proses stokastik dimodelkan / dibangun dengan cara berikut. Pertimbangkan ruang probabilitas dan biarkan menjadi (terukur) transformasi yang kami gunakan untuk memodelkan evolusi titik sampel dari waktu ke waktu . Juga, misalkan menjadi vektor acak . Kemudian, proses stokastik digunakan untuk memodelkan urutan pengamatan melalui rumus atau S …

3
Ketika memperlakukan fungsi utilitas yang relatif dan dinormalisasi sebagai PMF, apa interpretasi dari informasi Shannon entropy atau Shannon?
Misalkan adalah seperangkat hasil yang saling eksklusif dari variabel acak diskrit dan adalah fungsi utilitas di mana , , dll.ΩΩ\Omegafff0&lt;f(ω)≤10&lt;f(ω)≤10 < f(\omega) \leq 1∑Ωf(ω)=1∑Ωf(ω)=1\sum_\Omega f(\omega) = 1 Ketika didistribusikan secara merata ke dan adalah fungsi massa probabilitas , entropi Shannon adalah dimaksimalkan ( , dan ketika satu elemen di memiliki …

2
Intuisi di balik premi risiko
Dalam Kuliah 20 kursus Mikroekonomi MIT, sebuah situasi diusulkan di mana taruhan 50/50 akan menghasilkan kehilangan $ 100 atau mendapatkan $ 125 dengan kekayaan awal $ 100. Dinyatakan bahwa seseorang akan bersedia mengasuransikan diri mereka untuk $ 43,75 (perbedaan antara $ 100 dan $ 56,25). Apa intuisi di balik ini? …

1
dominasi stokastik orde kedua tanpa mean yang sama
Biarkan dan menjadi dua distribusi dengan rata-rata yang sama. dikatakan sebagai urutan kedua yang secara stokastik mendominasi ( SOSD ) jika untuk semua peningkatan dan cekungan .FFFGGGFFFGGG∫u(x)dF(x)≥∫u(x)dG(x)(1)(1)∫u(x)dF(x)≥∫u(x)dG(x)\int u(x)\mathrm dF(x)\ge \int u(x)\mathrm dG(x)\tag{1}u(⋅)u(⋅)u(\cdot) Definisi di atas ini setara dengan ∫x−∞F(t)dt≤∫x−∞G(t)dt,∀x∈R.(2)(2)∫−∞xF(t)dt≤∫−∞xG(t)dt,∀x∈R.\int_{-\infty}^x F(t)\mathrm dt\le \int_{-\infty}^xG(t)\mathrm dt,\qquad\forall x\in\mathbb R.\tag{2} Saya diberitahu bahwa persyaratan untuk …

1
Tunjukkan bahwa adalah forward- -Brownian
Definisi dan hal-hal: Pertimbangkan ruang probabilitas yang difilter mana(Ω,F,{Ft}t∈[0,T],P)(Ω,F,{Ft}t∈[0,T],P)(\Omega, \mathscr F, \{\mathscr F_t\}_{t \in [0,T]}, \mathbb P) T&gt;0T&gt;0T > 0 P=P~P=P~\mathbb P = \tilde{\mathbb P} Ini adalah ukuran risiko-netral . Ft=FWt=FW~tFt=FtW=FtW~\mathscr F_t = \mathscr F_t^{{W}} = \mathscr F_t^{\tilde{W}} di mana adalah standar -Pergerakan brownian.W=W~={Wt~}t∈[0,T]={Wt}t∈[0,T]W=W~={Wt~}t∈[0,T]={Wt}t∈[0,T]W = \tilde{W} = \{\tilde{W_t}\}_{t \in [0,T]} …

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.