Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Distributions lourdes

Dans cours

FIN-525: Financial big data

The course introduces modern methods to acquire, clean, and analyze large quantities of financial data efficiently. The second part expands on how to apply these techniques and robust statistics to financial analysis, in particular to intraday data and inv ...

Description

Cette séance de cours couvre l'analyse des distributions à queue lourde, en se concentrant sur l'ajustement des queues de loi de puissance, en testant quantitativement les queues lourdes et en utilisant l'estimateur Hill. Il discute également de la convergence des distributions de Student-t en Gaussienne, le théorème de limite central pour les centres de distribution, et compare différentes distributions en utilisant le test de proximité de Vuong.

Enseignant·e

Damien Challet

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Loi de probabilité à queue lourde

vignette|Long tail. Dans la théorie des probabilités, une loi de probabilité à queue lourde est une loi de probabilité dont les queues ne sont pas exponentiellement bornées, ce qui signifie qu'elles ont des queues plus « lourdes » que la loi exponentielle. Dans de nombreuses applications, c'est la queue droite de la distribution qui est intéressante, mais une distribution peut avoir une queue lourde à gauche, ou les deux queues peuvent être lourdes.

Loi de puissance

La loi de puissance est une relation mathématique entre deux quantités. Si une quantité est la fréquence d'un évènement et l'autre est la taille d'un évènement, alors la relation est une distribution de la loi de puissance si les fréquences diminuent très lentement lorsque la taille de l'évènement augmente. En science, une loi de puissance est une relation entre deux quantités x et y qui peut s'écrire de la façon suivante : où a est une constante dite constante de proportionnalité, k, valeur négative, est une autre constante, dite exposant, puissance, indice ou encore degré de la loi et x nombre réel strictement positif.

Fat-tailed distribution

A fat-tailed distribution is a probability distribution that exhibits a large skewness or kurtosis, relative to that of either a normal distribution or an exponential distribution. In common usage, the terms fat-tailed and heavy-tailed are sometimes synonymous; fat-tailed is sometimes also defined as a subset of heavy-tailed. Different research communities favor one or the other largely for historical reasons, and may have differences in the precise definition of either.

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Longue traîne

En statistique, la queue ou traîne d'une loi de probabilité correspond à la portion éloignée de la « tête » ou valeur centrale de la loi. Une loi de probabilité est dite à longue traîne si une plus grande partie de la loi est contenue dans sa traîne par rapport à celle de la loi normale. Une loi à longue traîne est un cas particulier de lois à queue lourde. Benoît Mandelbrot a été surnommé le « père des longues traînes » pour son article de 1951 dans ce domaine.

Afficher plus

Séances de cours associées (35)

Introduction aux variables aléatoires continues : distributions de probabilité

Introduit des variables aléatoires continues et leurs distributions de probabilité, en mettant l'accent sur leurs applications en statistique et en science des données.

Comprendre les statistiques et le design expérimental

Couvre les statistiques, la conception expérimentale, les erreurs, les distributions, les implications de la taille de l'échantillon et les résultats nuls.

Réseaux sans échelle: lois de puissance et attachement préférentiel

Explore les réseaux sans échelle, les lois de puissance, l'attachement préférentiel et l'assortiment de réseaux.

Probabilité et statistiques

Couvre les distributions de probabilité, les moments et les variables aléatoires continues.

Théorie de l'échantillonnage: Statistiques pour les mathématiciens

Couvre la théorie de l'échantillonnage, en mettant l'accent sur les statistiques pour les mathématiciens.

Afficher plus

Concepts associés (32)

Loi de probabilité à queue lourde

Loi de puissance

Fat-tailed distribution

Loi normale

Longue traîne

Afficher plus