Postagens mais visitadas deste blog
Cursos Gratuitos para Análise de Dados (Harvard/Johns Hopkins)
Cursos online de alta qualidade para Análise de Dados, todos com inscrição gratuita. Harvard 1. Estatística e R: https://lnkd.in/ggwKPfH3 2. Probabilidade: https://lnkd.in/gRA-sCrU 3. Regressão linear: https://lnkd.in/gCqYdf_W 4. Inferência e Modelagem: https://lnkd.in/gSnuYTMW RICE (Curso) Introdução à análise de dados com Excel: https://lnkd.in/gBVHWzvR Johns Hopkins (Coursera) Estatística avançada para especialização em ciência de dados: https://lnkd.in/g_n-3Wn5 *você pode explorar os vídeos e materiais do Coursera clicando em 'Auditar o curso'. *os cursos são ministrados em inglês e alguns tem legendas em português. As paginas do curso podem ser traduzida pelo seu navegar.
Procurar por funções de verossimilhanças em modelos estatístico é só uma decomposição para voltar a algo que já estava ali?
Durante o desenvolvimento e a calibragem de uma estratégia automatizada para operar o mini índice da Ibovespa, surgiu uma questão conceitual. A rotina de otimização de parâmetros em uma EA envolve testar combinações que maximizam lucro, reduzem drawdown ou melhoram a curva de capital. Esse processo parece empírico. A pergunta foi se existe um paralelo formal com inferência estatística. Em termos estatísticos, a função de verossimilhança é definida como L(θ|x)=p(x|θ), tratada como função do parâmetro θ, com os dados x fixados. A operação central é a troca de papéis. Em p(x|θ), x é variável aleatória e θ é fixo. Na verossimilhança, x passa a ser observado e θ varia. Isso permite inferência sobre θ. Se X₁,…,Xₙ são independentes, a verossimilhança assume a forma de produto: L(θ|x)=∏ᵢ p(xᵢ|θ) Aplicar log transforma produto em soma. Isso simplifica a otimização numérica. A fatoração não altera a informação. Apenas reorganiza a expressão. Pelo teorema de fatoração de Ronald Fisher: L(θ|x)=g(T...
Comentários
Postar um comentário