推 s110269 : 比較兩者的變異數，變異數小的表示投資風險小 03/24 21:22
推 s110269 : 乙公司的變異數=0，不像甲公司一樣大起大落 03/24 21:26
推 Pieteacher : Variance skewness kurtosis 03/25 07:07
→ snniicckk1 : 謝謝兩位大大的解答 03/25 12:28
→ snniicckk1 : 我還是想再問仔細點 03/25 12:29
→ snniicckk1 : 變異數跟標準差同樣都是用以表達資料的離散程度 03/25 12:30
→ snniicckk1 : 是否也可以用標準差來替代變異數 03/25 12:30
→ snniicckk1 : 那如果用變異係數的話 03/25 12:32
→ snniicckk1 : 是否可以更佳詮釋出資料的離散程度呢？ 03/25 12:33
→ snniicckk1 : 對統計沒啥概念 麻煩版上的大大指導一下 03/25 12:35
→ doom8199 : 統計量歸統計量,你還是要自己定義出何謂 "獲利穩定" 03/25 12:36
→ doom8199 : 例如穩定的 index 可以是 sigma |a_(i) - a_(i-1)| 03/25 12:36
→ snniicckk1 : 謝謝doom8199大大 03/25 12:39
→ snniicckk1 : 我想要討論的就是資料離散程度的數學表示法 03/25 12:41
→ snniicckk1 : 可能是小弟問題問得不夠清楚...拍謝啦 03/25 12:42
推 doom8199 : 資料離散程度表示法非常多, 但沒有所謂的最好 03/25 12:47
→ doom8199 : 只有適不適用的問題. 03/25 12:49
→ doom8199 : 例如你一開始的問題，我個人不覺得標準差會是好的 03/25 12:50
→ doom8199 : index, 因為沒有考慮到時間的因素 03/25 12:50
→ snniicckk1 : doom8199大大 你讓我搞糊塗了 03/25 13:05
→ snniicckk1 : 離散度的表示 要如何考慮到時間的因素 03/25 13:06
→ snniicckk1 : 如果要嚴謹一點 把時間因素考量進來的話 03/25 13:07
→ snniicckk1 : 又該要怎麼做表示 會比較適當呢 03/25 13:08
→ snniicckk1 : doom8199您所說的時間因素 小弟完全沒有想到 03/25 13:11
→ snniicckk1 : 再麻煩您可能要講仔細點了 03/25 13:12
→ snniicckk1 : doom8199大大 還是您可以推薦相關的書籍給我嗎 03/25 15:27
推 doom8199 : 你的問題可能要分好幾個層面來看 03/27 20:02
→ doom8199 : <1> 數學上並沒有定義"離散程度", 那只是一個籠統 03/27 20:03
→ doom8199 : 的口語用詞. 所以你得先自行定義離散程度 03/27 20:05
→ doom8199 : 然後你希望使用的地方, 具備何種性質 03/27 20:06
→ doom8199 : 在嘗試將之模組/數學化 03/27 20:07
→ doom8199 : <2> 假設你想要描述的問題是公司的獲利穩定度 03/27 20:09
→ doom8199 : 一個直觀的想法就是 微/差分絕對值越小越好 03/27 20:11
→ doom8199 : 根據此性質，如何寫出一個評量標準? 03/27 20:13
→ doom8199 : <3> 若想考慮時間因素, 數學上其實就只是代表 03/27 20:14
→ doom8199 : 一個序列 {a_n} 的順序是很重要 03/27 20:15