В том случае, когда имеются одна независимая и одна зависимая переменные, естественной мерой зависимости (в рамках линейного подхода) является (выборочный) коэффициент корреляции между ними. Использование множественной регрессии позволяет обобщить это понятие на случай, когда имеется несколько независимых переменных. Корректировка здесь необходима по следующим очевидным соображениям. Высокое значение коэффициента корреляции между исследуемой зависимой и какой-либо независимой переменной может, как и раньше, означать высокую степень зависимости, но может быть обусловлено и другой причиной. А именно, есть третья переменная, которая оказывает сильное влияние на две первые, что и служит в конечном счете причиной их высокой коррелированности. Поэтому возникает естественная задача найти чистую корреляцию между двумя переменными, исключив (линейное) влияние других факторов. Это можно еде- [c.118]
Отметьте, что после 4 одновременных игр при корреляции между рыночными системами +1,00 мы увеличили первоначальный счет 100 единиц до 126,56. Это соответствует TWR = 1,2656, или среднему геометрическому (даже если это комбинированные игры) 1,2656 л (1/4) =1,06066. Теперь вернемся к случаю с одной ставкой. Обратите внимание, что после 4 игр мы получим 126,56 при начальном счете в 100 единиц. Таким образом, среднее геометрическое равно 1,06066. Это говорит о том, что скорость роста такая же, как и при торговле с оптимальными долями на абсолютно коррелированных рынках. Как только коэффициент корреляции опускается ниже +1,00, скорость роста повышается. Таким образом, мы можем утверждать, что при комбинировании рыночных систем ваша скорость роста никогда не будет меньше, чем в случае одиночной ставки по каждой системе, независимо от того, насколько высоки корреляции, при условии, [c.66]
Что же пошло не так, как надо Просто, взгляд на дневные приращения и их распределение разрушил информацию о том, что такие исходы могут быть коррелированны в определенные времена Этот крах походит на мамонта, который был рассечен на части без сохранения сведений о связях между частями, и нам оставили то, что напоминает мышей (такое небольшое преувеличение) Наша оценка события из трёх последовательных потерь по 10% как невозможного, основывалась на неправильной гипотезе о том, что эти три события являются независимыми. Независимость между последовательными ценовыми приращениями - хорошо проверенный факт для большей части времени. Однако, может быть большие падения не являются независимыми. Другими словами, может быть, существуют "вспышки зависимости", или, говоря по-другому, "отрезки [c.66]
Необходимо отметить, что данная классификация условна, так как провести четкую границу между отдельными видами проектных рисков достаточно сложно. При выявлении и определении риска необходимо стремиться оперировать с простыми, взаимно независимыми факторами риска, так как ряд факторов находится во взаимосвязи, коррелирован между собой, поэтому изменения в одном из них вызывают изменения в другом. Это влияет на точность анализа и на результаты инвестиционно-проектной деятельности. [c.185]
Проблема оценивания здесь также имеет свои особенности. Основная трудность состоит в том, что в эконометрических моделях переменная, играющая роль независимой (объясняющей) переменной в одном соотношении, может быть зависимой в другом. Это приводит к тому, что в регрессионных уравнениях системы объясняющие переменные и случайные возмущения оказываются, вообще говоря, коррелированными. Наконец, в современной практике встречаются модели, имеющие десятки и даже сотни уравнений (в том числе и нелинейных), в связи с чем возникают и вычислительные трудности. [c.402]
В случае коррелированной системы факторных показателей целесообразно с помощью метода компонентного анализа выявить независимые синтетические обобщенные компоненты FJ и построить регрессионные модели на обобщенных компонентах [c.123]
Как определяется коррелированность и некоррелированность СВ Как эти понятия связаны с независимостью случайных величин [c.41]
В этом и заключается суть хеджирования. При диверсификации наибольшую ценность представляли независимые (или некоррелированные) операции. При хеджировании подбираются операции, жестко связанные с основной, но, так сказать, другого знака, говоря более точно, отрицательно коррелированные с основной операцией. [c.97]
В общем случае рассчитывается сумма спроса по плановым заменам и стохастического — по отказам. Имеются разные подходы к расчету последнего в зависимости от типа оборудования электронное, электромеханическое, механическое, гидравлическое. Для электроники типичен пуассоновский спрос, независимый от других компонент. Разные интенсивности отказов для рабочего режима, ожидания и пребывания на полке умножаются на соответствующие количества. Обычно отказами хранящихся деталей пренебрегают. Фактические интенсивности изменяются в диапазоне от 10 2 до 10 8 1/час. Спрос часто не коррелирован с длительностью работы под нагрузкой. Спорят о том, нужно ли при прогнозе спроса в одном месте учитывать данные о других. В статистическом смысле это желательно (уменьшается разброс итоговых оценок) но одновременно затрудняется выявление местной специфики. [c.255]
Однако некоррелированность, как известно, еще не означает независимости, и совершенно не исключено, что, скажем, h +m и Л или Лп+т и hn окажутся положительно коррелированными. Экспериментальный анализ многих финансовых данных показывает (не противореча гипотезе мартингальности цен на эффективном рынке ), что так оно и есть на самом деле. И весьма замечательно также то, что этот феномен положительной коррелированности, приводящий к эффекту кластерности (скученности) величин (Лп)п>1 по группам с большими или малыми их значениями, "ухватывается" объясняется рядом довольно-таки простых моделей (та- [c.74]
Системы снабжения классифицируются также по числу хранимых номенклатур (однородные и многономенклатурные) и по стабильности свойств хранимого имущества. Многономенклатурность является основным фактором, усложняющим модель, и разнообразно проецируется на все остальные элементы модели. В частности, спрос на разные номенклатуры может быть независимым, комплектным и коррелированным поставки — частично либо полностью совмещаемыми и раздельными (аналогично — восстановление ремонтопригодных элементов ЗИПа) вычисление штрафов может быть независимым или производиться по ожидаемому максимуму дефицита либо вероятности дефицита ограничения задаются независимо или совместно по группе номенклатур. [c.33]
Существование коррелированных переменных в проектном анализе вызывает проблему, не рассмотреть которую означало бы заранее обречь себя на неверные результаты без учета кор-релированности, например, двух переменных, компьютер, посчитав их полностью независимыми, генерирует нереалистичные проектные сценарии. Допустим, что цена и количество проданного продукта есть две отрицательно коррелированные переменные. Если не будет уточнена связь между переменными (коэффициент корреляции), то возможны сценарии, случайно вырабатываемые компьютером, где цена и количество проданной продукции будут вместе либо высоки, либо низки, что, естественно, негативно отразится на результате. [c.245]
Есть другой, и, может быть, лучший способ определения зависимости между размерами выигрышей и проигрышей. Этот метод позволяет рассмотреть размеры выигрышей и проигрышей с совершенно другой стороны, и когда он используется вместе с серийным f тестом, то взаимосвязь сделок измеряется с большей глубиной. Для количественной оценки зависимости или независимости данный метод использует коэффициент линейной корреляции г, который иногда называют пирсоновским г. Посмотрите на рисунок 1-2. Па нем изображены две абсолютно коррелированные последовательности. Мы называем это положительной корреляцией. [c.19]
В регрессионном анализе при переходе от стохастических связей к причинным меняется лишь интерпретация результатов. На этом мы остановимся подробнее ввиду следующих обстоятельств. В большинстве работ по теории вероятностей понятие независимости вводится аналитически, и из определений ясно, что два любых события, стохастически независимых, являются в то же время причинно независимыми. Само же понятие зависимости (взаимозависимости, коррелированности, связи) вводится как отрицание независимости. [c.6]
Если некоторые или все независимые переменные в множественной регрессии являются высоко коррелированными, регрессионной модели трудно разграничить их отдельные объясняющие воздействия на Y. В результате высококоррелированные независимые переменные действуют в одном направлении и имеют недостаточно независимое колебание, чтобы дать возможность модели изолировать влияние каждой переменной. Не существует точного граничного значения уровня корреляции переменных, при котором возникает проблема мультиколлинеарности, таким образом, необходимо собственное суждение. [c.290]
Если страны или регионы сходятся к различным положениям устойчивого равновесия, тогда обычная парная регрессия некорректно специфицирована и член уравнения, отражающий равновесное значение дохода, включен в ошибку регрессии. В свою очередь, если он коррелирован с переменной начального дохода страны или региона, оценка коэффициента конвергенции Д будет смещена. Например, если богатые страны имеют более высокое значение равновесного дохода, то оценка коэффициента конвергенции будет смещена к нулю, что приведет к неправильным выводам об отсутствии конвергенции, несмотря на то что условная конвергенция будет иметь место. Таким образом, приведенный пример демонстрирует необходимость включения в уравнение парной регрессии прокси для дохода в состоянии устойчивого равновесия для получения состоятельной оценки коэффициента конвергенции Д. В случае независимости ошибки уравнения регрессии и начального уровня дохода оценка парной зависимости позволит получить состоятельную оценку Д. Наконец, если все страны или регионы имеют одинаковое положение устойчивого равновесия, то [c.37]
Коррелированные случайные числа е, и е2 получаются путем перемнож ния множителя Холецкого и вектора независимых случайных чисел -ц [c.272]
Корреляционная размерность ( orrelation dimension). Оценка фрактальной размерности, которая (1) является мерой вероятности того, что две случайным образом выбранные точки находятся на определенном расстоянии друг от друга, и (2) показывает, как эта вероятность изменяется с ростом расстояния. Зависимые системы будут удерживаться вместе своими корреляциями и сохранять свою размерность независимо от того, в пространство какой размерности они помещены, пока размерность пространства больше их фрактальной размерности. Белый шум будет заполнять свое пространство, поскольку его компоненты не коррелированны и его корреляционная размерность равна размерности любого пространства, в которое он помещается. [c.307]