Creo que hay una falta de concepto en su pregunta. Si usted está discutiendo simple juega y no cosas como el mercado de valores, a continuación, las distribuciones que están involucrados suelen tener suficiente estadísticas.
Una estadística es suficiente para un parámetro si el cálculo del punto podría ser sustituido por los datos sin pérdida de información. Una estadística, $t$, es suficiente para $\theta$ si $\Pr(\mathbf{x}|\theta)=\Pr(t|\theta)$, donde $\mathbf{x}$ es un vector de datos. Lo que esto implica es que la distribución implícita de una observado conjunto de datos tiene un sustituto perfecto en el vector de punto de estadísticas de la suficiencia de las suspensiones. Ellos son indistinguibles de los conceptos matemáticamente.
Si usted está hablando sobre el mercado de valores, a continuación, esas distribuciones falta de ambos momentos y las estadísticas suficientes y la gente necesita usar la distribución o totalmente en el proceso de la incertidumbre de los parámetros utilizando métodos Bayesianos como Frecuentista no existen soluciones que son admisibles en el caso general. La razón es relativamente sencilla.
Considere la posibilidad de una acción que cotiza en la BOLSA de nueva york. Se vende en un doble remate con muchos de los potenciales compradores y muchos vendedores potenciales. Dado que el stock se vende en una doble subasta se deduce que la maldición del ganador no obtenga. Desde maldición del ganador no obtenga, se deduce que el comportamiento racional es ofertar sus expectativas en cuanto al precio. Puesto que hay muchos potenciales compradores y vendedores, la limitación de la distribución de los precios es el de la distribución normal a partir del teorema del límite central.
Si asumimos que estamos en equilibrio, entonces el precio de compra y el precio de venta son tanto una distribución normal, ignorando las quiebras, fusiones y costos de liquidez. Aquellos que no cambian el principio general aquí, pero no alterar radicalmente la mezcla de distribución. Sin embargo, si somos el centro de nuestro gráfico de alrededor de $(p_t^*,p_{t+1}^*)$, entonces también podríamos pensar que esto es como $(0,0)$ en el error de espacio. El retorno puede ser definida operacionalmente como $$r_t=\frac{p_{t+1}}{p_t}-1,$$ de lo que se deduce que se devuelve el cociente de dos distribuciones normales. En el error de espacio, la distribución de los dos normales, centrado alrededor de cero es la distribución de Cauchy. Si, a continuación, traducir la distribución de los precios de espacio y truncada debido a que el límite de responsabilidad de la distribución de las devoluciones deben ser $$\left[\frac{\pi}{2}+\tan^{-1}\left(\frac{\mu}{\sigma}\right)\right]^{-1}\frac{\sigma}{\sigma^2+(r_t-\mu)^2}.$$
Aunque se puede comprobar manualmente la ausencia de estadísticas por parte de los Fisher, Neyman Teorema de Factorización, es bien sabido que las estadísticas de esta distribución no son suficientes. Esto también puede ser visto desde la Pitman–Koopman–Darmois teorema que, básicamente, establece que sólo las distribuciones en el exponencial de la familia de distribuciones, como la normal, disponen de suficientes estadísticas. Articulación de suficiencia existe para fines de inferencia, pero no para proyectiva, a los efectos de que son lo que importa aquí. Como tal, cualquier punto estimador no se construye a partir de la Bayesiano posterior de predicción de la densidad se pierde información, esto es amplificada por el truncamiento.
El Bayesiano posterior distribución predictiva puede ser utilizado, ya que se define como $\Pr(\tilde{x}|\mathbf{x})$. Observe que no hay parámetros en que la probabilidad de instrucción.
El problema con esta distribución es que ni sesgar ni curtosis están aún definidos.
En consecuencia, el mayor momento de las discusiones con las existencias son profundamente viciado como el de arriba de distribución no tiene momentos en absoluto.
Viejos artículos, tales como
SCOTT, R. C. y HORVATH, P. A. (1980), En La Dirección de Preferencia para los Momentos de Orden Superior a La Varianza. La Revista de Finanzas, 35: 915-919.
dependen de la existencia de momentos en las distribuciones a todos.
Por desgracia, no pude encontrar la literatura específica a lo que se habla fuera de la financiación de la literatura y la mayoría está construido en supuestos erróneos. Sería interesante ver cómo las personas responden a distribuciones sesgadas como el tiempo de espera de los modelos que poseen suficiencia. No podía encontrar un ejemplo.
