بالمناسبة، هذه الطريقة تحل جميع المشكلات المتعلقة بتناسب الانحدار في فضاء اللوغاريتم-اللوغاريتم. هل يعتبر انحدار OLS أفضل من الكوانتيل أو بايزيان وما إلى ذلك. @TheRealPlanC
هذه الطريقة لا تعتمد على الانحدار على الإطلاق. إنها ببساطة تبدأ بالافتراض أننا نتبع قانون القوة مع أس exponent غير معروف.
ثم نقوم بتطبيع العوائد الملحوظة بواسطة log( (t+1)/t)، وهو مكون العوائد المتناقصة الحتمية.
يجب أن تكون هذه العوائد المستقلة زمنياً موزعة بشكل متماثل حول n إذا كنا نتبع حقاً قانون القوة. نحن نلاحظ بالفعل توزيعًا متماثلًا ثابتًا على مر الزمن.
يمكننا اشتقاق n من معلمات التوزيع.
إنها الطريقة الأكثر متانة للعثور على قانون القوة وكل شيء آخر لا يزال مفيدًا ولكنه عفا عليه الزمن تمامًا وأقل دقة.
قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.
بالمناسبة، هذه الطريقة تحل جميع المشكلات المتعلقة بتناسب الانحدار في فضاء اللوغاريتم-اللوغاريتم. هل يعتبر انحدار OLS أفضل من الكوانتيل أو بايزيان وما إلى ذلك. @TheRealPlanC
هذه الطريقة لا تعتمد على الانحدار على الإطلاق. إنها ببساطة تبدأ بالافتراض أننا نتبع قانون القوة مع أس exponent غير معروف.
ثم نقوم بتطبيع العوائد الملحوظة بواسطة log( (t+1)/t)، وهو مكون العوائد المتناقصة الحتمية.
يجب أن تكون هذه العوائد المستقلة زمنياً موزعة بشكل متماثل حول n إذا كنا نتبع حقاً قانون القوة.
نحن نلاحظ بالفعل توزيعًا متماثلًا ثابتًا على مر الزمن.
يمكننا اشتقاق n من معلمات التوزيع.
إنها الطريقة الأكثر متانة للعثور على قانون القوة وكل شيء آخر لا يزال مفيدًا ولكنه عفا عليه الزمن تمامًا وأقل دقة.