Even if the dismal theorem does not

Even if the dismal theorem does not hold in its strict form, there is still a constructive
finding here. We see that it is very difficult to obtain precise information about the likelihood of extreme outcomes from observational data when the distributions have fat tails. This difficulty arises from ignorance about both the exact form of the distribution (e.g., normal, The Economics of Tail Events with an Application to Climate Change 255 at Victoria University on August 25, 2015 http://reep.oxfordjournals.org/ Downloaded from Pareto, or exponential) and the exact parameters of the distribution (supposing it to be Pareto, is the Pareto parameter 1, 1.5, 2, ...?). Returning to Figure 2, for example, we can see that a ‘‘four-sigma surprise’’ has a one in twenty-five probability of occurring with the Pareto distribution, but a near-zero probability with the normal distribution.

Kết quả (Việt) 1:

Ngay cả khi định lý ảm đạm không nắm giữ trong các hình thức nghiêm ngặt, đó là vẫn còn một xây dựngTìm ở đây. Chúng tôi thấy rằng nó là rất khó khăn để có được các thông tin chính xác về khả năng cực kết quả từ dữ liệu quan sát khi các bản phân phối có chất béo đuôi. Khó khăn này phát sinh từ sự thiếu hiểu biết về cả hai dạng chính xác của bản phân phối (ví dụ như, bình thường, The kinh tế của đuôi sự kiện với một ứng dụng để khí hậu thay đổi 255 tại trường đại học Victoria ngày 25 tháng 8 năm 2015 http://reep.oxfordjournals.org/ tải xuống từ Pareto, hoặc mũ) và các thông số chính xác của bản phân phối (giả sử nó là Pareto, là Pareto tham số 1, 1.5, 2,...?). Quay trở lại hình 2, ví dụ, chúng ta có thể thấy rằng một bất ngờ bốn-sigma '''' có một xác suất một tại hai mươi lăm của xảy ra với sự phân bố Pareto, nhưng một xác suất gần bằng không với phân phối bình thường.

Kết quả (Việt) 2:

Thậm chí nếu các định lý ảm đạm không giữ ở dạng nghiêm ngặt của nó, vẫn còn là một tính xây dựng
phát hiện ở đây. Chúng tôi thấy rằng nó là rất khó khăn để có được thông tin chính xác về khả năng của các kết quả cực từ dữ liệu quan sát khi các bản phân phối có đuôi béo. Những khó khăn này xuất phát từ sự thiếu hiểu biết về cả hai dạng chính xác của phân phối (ví dụ, bình thường, Kinh tế học của Tail sự kiện với một ứng biến đổi khí hậu tại Đại học Victoria 255 vào ngày 25 Tháng Tám 2015 http://reep.oxfordjournals.org/ Tải về từ Pareto, hay mũ) và các thông số chính xác của phân phối (giả sử nó được Pareto, là tham số Pareto 1, 1.5, 2, ...?). Trở lại hình 2, ví dụ, chúng ta có thể thấy rằng một '' bốn-sigma bất ngờ '' có một trong hai mươi lăm xác suất xảy ra với các phân phối Pareto, nhưng một gần-zero xác suất của phân phối chuẩn.