Bu arada, bu yaklaşım, log-log uzayında regresyon uyumu etrafındaki tüm sorunları çözüyor. OLS regresyonu, kantil veya Bayes'ten daha mı iyi ve benzeri. @TheRealPlanC
Bu yöntem tamamen regresyona dayanmaz. Basitçe, bilinmeyen bir üslü sayıyla bir güç yasasını takip ettiğimiz varsayımıyla başlar.
Sonra gözlemlenen getirileri log( (t+1)/t) ile normalize ediyoruz, bu da belirleyici azalan getiriler bileşenidir.
Bu zaman bağımsız getirilerin, gerçekten bir güç yasasını takip ediyorsak, n etrafında simetrik bir dağılıma sahip olması gerekir. Gerçekten de zamanla istikrarlı simetrik bir dağılım gözlemliyoruz.
Dağılım parametrelerinden n'yi çıkarabiliriz.
Güç yasasını bulmanın en sağlam yoludur ve diğer her şey hala faydalıdır ama tamamen eskidir ve daha az titizdir.
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Bu arada, bu yaklaşım, log-log uzayında regresyon uyumu etrafındaki tüm sorunları çözüyor. OLS regresyonu, kantil veya Bayes'ten daha mı iyi ve benzeri. @TheRealPlanC
Bu yöntem tamamen regresyona dayanmaz. Basitçe, bilinmeyen bir üslü sayıyla bir güç yasasını takip ettiğimiz varsayımıyla başlar.
Sonra gözlemlenen getirileri log( (t+1)/t) ile normalize ediyoruz, bu da belirleyici azalan getiriler bileşenidir.
Bu zaman bağımsız getirilerin, gerçekten bir güç yasasını takip ediyorsak, n etrafında simetrik bir dağılıma sahip olması gerekir.
Gerçekten de zamanla istikrarlı simetrik bir dağılım gözlemliyoruz.
Dağılım parametrelerinden n'yi çıkarabiliriz.
Güç yasasını bulmanın en sağlam yoludur ve diğer her şey hala faydalıdır ama tamamen eskidir ve daha az titizdir.