Warum ist die Cauchy-Verteilung so nützlich?


16

Kann mir jemand einige praktische Beispiele für die Cauchy-Verteilung geben? Was macht es so beliebt?


3
Ich fordere die Prämisse heraus - ist sie tatsächlich als praktisches Modell beliebt *? (Wenn ja, woher weißt du, dass es keine praktischen Beispiele gibt?) ... * [Wegen seiner Einfachheit und als Gegenbeispiel zu verschiedenen Dingen wird es in Lehrbüchern häufig verwendet, aber ich bezweifle, dass diese Beispiele als praktisch gelten . Es wird manchmal als Vorgänger verwendet, aber das ist kein Datenmodell.]
Glen_b

Ich habe einige praktische Beispiele aus meinem Fachgebiet gesehen, speziell für den MCMC-Algorithmus. Deshalb war ich neugierig, ob es für die Finanzierung oder ML beantragt werden kann
Maria Lavrovskaya

Wenn Sie "für MCMC-Algorithmus" sagen, meinen Sie stattdessen "als Bayes-Prior" oder "als Modell für Daten in einem Bayes-Framework" oder etwas anderes?
Glen_b

Zur Berechnung von hierarchischen Prioritäten und Referenzprioritäten.
Maria Lawrowskaja

2
Die Verwendung als Prior erfolgt aufgrund der Eigenschaften der Distribution (im Allgemeinen besteht das Ziel darin, eine Art schwach informativen Prior zu geben). Nach dem Wortlaut der Frage hätte ich nicht gedacht, dass Sie auch Prioren einbeziehen wollen. Es gibt hier eine etwas verwandte Frage: Was sind die Eigenschaften einer halben Cauchy-Verteilung?
Glen_b

Antworten:


19

Zusätzlich zu ihrer Nützlichkeit in der Physik wird die Cauchy-Verteilung häufig in Finanzmodellen verwendet, um Abweichungen der Renditen vom Vorhersagemodell darzustellen. Der Grund dafür ist, dass Finanzfachleute Modelle mit schwachen Verteilungen (z. B. der Normalverteilung) für ihre Renditen nicht verwenden, und sie es im Allgemeinen vorziehen, in die andere Richtung zu gehen und eine Verteilung mit sehr starken Verteilungen (z. B. der Normalverteilung) zu verwenden der Cauchy). Die Geschichte der Finanzen ist übersät mit katastrophalen Vorhersagen, die auf Modellen basieren, deren Verteilungen nicht stark genug waren. Die Cauchy-Verteilung hat ausreichend schwere Schwänze, so dass ihre Momente nicht existieren, und ist daher ein idealer Kandidat, um einen Fehlerbegriff mit extrem schweren Schwänzen anzugeben.

Beachten Sie, dass dieses Problem der fälschlichen Fettheit von Schwänzen in Finanzmodellen einer der Hauptinhalte der populären Kritik von Taleb (2007) war . In diesem Buch weist Taleb auf Fälle hin, in denen Finanzmodelle die Normalverteilung für Fehler verwendet haben, und stellt fest, dass dies die wahre Wahrscheinlichkeit von Extremereignissen unterschätzt, die im Finanzbereich besonders wichtig sind. (Meiner Meinung nach gibt dieses Buch eine übertriebene Kritik, da Modelle mit stark schwanzförmigen Abweichungen in der Finanzwelt durchaus üblich sind. In jedem Fall zeigt die Popularität dieses Buches, wie wichtig das Thema ist.)


Vielen Dank, ich schätze Ihre Antwort sehr, da ich mit dem Buch vertraut bin. Übrigens bin ich mir nicht sicher, ob ich diesen Teil Ihres Satzes "Fett von Schwänzen in Irrtümern" richtig verstehe. Würde es Ihnen etwas ausmachen, damit genauer umzugehen?
Maria Lavrovskaya


Bei dieser Art von allgemeiner Diskussion haben wir keine spezifische Schwanz-Eigenschaft im Sinn, so dass die Genauigkeit bei der Angabe der Bedeutung von "Fett" oder "Schwere" der Schwänze die Allgemeinheit beeinträchtigt. Es lohnt sich, einige Charakterisierungen der Überprüfung Fettschwanz Verteilungen und schweren Schwanz Verteilungen die Art von Eigenschaften ich im Sinn habe , um zu sehen.
Setzen Sie Monica

Können Sie erklären, was die Präzision im Klartext bedeutet? Ich meine, ich verstehe, dass es umgekehrt zur Varianz ist, aber ich versuche zu verstehen, warum, wenn wir über Prioritäten sprechen, wir n0 im Nenner bekommen - die vorherige Stichprobengröße.
Maria

Ohne den Kontext zu sehen, von dem Sie sprechen, ist unklar, was Sie fragen. Darf ich vorschlagen, dass Sie dies als neue Frage auf dieser Website stellen, wobei der gesamte relevante Kontext angegeben wird.
Setzen Sie Monica

25

XN(0,1)Y.N(0,1)XY.Cauchy(0,1)

Die Cauchy-Verteilung ist in der Physik (wo sie als Lorentz-Verteilung bezeichnet wird) wichtig, da sie die Lösung der Differentialgleichung ist, die die erzwungene Resonanz beschreibt. In der Spektroskopie ist es die Beschreibung der Form von Spektrallinien, die einer homogenen Verbreiterung unterliegen, bei der alle Atome auf die gleiche Weise mit dem in der Linienform enthaltenen Frequenzbereich interagieren.

Anwendungen:

  • Verwendet in der mechanischen und elektrischen Theorie, in der physikalischen Anthropologie sowie in Mess- und Kalibrierungsproblemen.

  • In der Physik spricht man von einer Lorentz-Verteilung, bei der es sich um die Verteilung der Energie eines instabilen Zustands in der Quantenmechanik handelt.

  • Wird auch zum Modellieren der Aufprallpunkte einer festen geraden Linie von Partikeln verwendet, die von einer Punktquelle emittiert werden.

Quelle .


Vielen Dank. Der erste Satz ist ziemlich hilfreich. Ich bin ziemlich weit von der Physik entfernt. Können Sie Beispiele für Finanzen oder maschinelles Lernen nennen?
Maria Lavrovskaya

2
Es wird (praktisch) nicht wirklich für Finanzen oder maschinelles Lernen verwendet. Es wird in der Physik verwendet (99,9% der Zeit). Ich nehme an, wenn jemand das Verhältnis zwischen zwei unabhängigen, normalverteilten Variablen im Finanzbereich modellieren wollte, würde er die Cauchy-Verteilung verwenden.
Matthew Anderson

2
Ein Grund, warum es für die Finanzierung nützlich sein könnte, ist, dass es extrem schwere Schwänze hat. Es hat keine Momente, daher macht es keinen Sinn zu sagen, dass es eine hohe Kurtosis hat, aber es ist anfällig für extreme Beobachtungen, sowohl hohe als auch niedrige.
Dave

7
Es wird beim maschinellen Lernen verwendet, insbesondere als vorherige Verteilung in der Bayes'schen Folgerung. Insbesondere wird der Halb-Cauchy als Prior für bestimmte Skalenvariablen verwendet.
Wayne

2
@ Wayne Könnten Sie bitte ein Beispiel nennen, vielleicht eine Referenz?
Dave
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.