<위험한 이야기> (6) 죄송합니다. 고스는 작은 일을 했습니다.

리스크 소 스 ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ) ( リスク 小 シュ)) 죄송합니다. 고스가 작은 일을 했습니다.

• 고스 이 그림에서 우리는 수학의 역사에서 앞서 언급한 뉴턴 (최고의 왼쪽) 과 아키메드 (최고의 오른쪽) 만과 고스가 중간에 있는 한 단계에 있다는 것을 알 수 있다. 고스의 풍부한 업적을 나열하려는 것은 매우 어렵습니다. 한 부분으로는 그의 업적이 너무 많고 한 부분으로는 그 능력의 많은 부분이 이해되지 않습니다. 비교적 보편적인 표현으로 말해서, 수학의 문제는 고스의 증명, 고스의 연구, 고스의 제안 및 고스의 이름을 가진 네 가지 범주로 구분됩니다.

  위험 관리의 내용과 고스의 관계는 또 다른 흥미로운 이야기이다. 우리는 이전에 언급한 정형 곡선, 즉 역사상 가장 역겨운 수학자 인 모프가 그린 시계 모양의 곡선 ("위험의 짧은 역사 (4): 모프와 신의 곡선") 을 언급했는데, 모프는 1754년에 사망했고, 고스는 1777년에 태어났다. 그러나 후속 연구에서 우리는 모두 정형 분포를 모프 분포라고 부릅니다.

  이것은 스티거의 법칙이라는 흥미로운 냉정한 지식에 추가될 수 있다. 스티거의 법칙은 어떤 과학적 정리도 그 첫 번째 발견자의 이름을 따서 명명된 것이 없다는 것이다. 예를 들어, 오라 상수, 사실 자연 상수인 e는 베르누리 집안의 사람들이 먼저 발견했다. 뉴턴의 세 가지 법칙의 첫 두 가지 법칙은 각각 갈릴리오, 후크 (뉴턴이 가장 좋아하는 풍자자) 등에 의해 제시되었다.

  그래서 당신은 유모퍼에 대해 누가 판단할 수 있다고 말했습니다.

  물론 다시 말해서, 어떤 목적으로든 고스를 모퍼를 복제했다고 비난하는 것은 매우 웃긴 일이지만, 복제와 관련하여, 아마도 후대의 모든 수학자는 더 이상 더 이상 고스를 복제하고 있습니다. 고스는 불명예의 천재입니다. 예를 들어, 고등학교 수학 책에서 모든 사람들이 어린 시절의 고스와 같은 미분열을 읽었습니다.

  이런 위대한 신들이 오늘날 살아있었다면 얼마나 많은 이상한 앱을 만들었을지 모릅니다.

  근대 수학의 거의 모든 분야에 참여한 고스는 위험 관리에 대한 독점적인 의견을 발표하지는 않았지만, 확률 이론과 수학적 통계에 관심이 많았는데, 예를 들어, 우리가 잘 알고 있는 최소 이중 곱셈, 고스-마르코프 정수, 정규 분포 연구의 한 가지 산파입니다. 고스는 바바리아의 작은 마을에 지리 측정을 하기 위해 부름을 받았는데, 그 마을에 있는 모든 사람들이 그의 지능을 못 받으며, 네트워크가 발달하지 않았다면, 오늘날 셸던이 없었을 것이라고 고스는 계속 불평했습니다. 다시 말해서, 이 측정의 또 다른 결과는 고스가 비공동성의 가능성을 깨달았다는 것입니다.

  고스는 측정 시 지구 표면의 곡선의 정도가 표면 거리에 미치는 영향을 추정해야 했으며, 당시에는 위성이 없었고, 따라서 측정의 주요 방법은 계속 측정하는 것이 이었다. 비록 측정의 결과들이 각각 다르지만, 측정의 횟수가 증가함에 따라 우리에게 익숙한 방향평등, 즉 중심값이 에 의존하는 법칙이 다시 나타났습니다. 그리고 이 분포의 경우로, 고스는 샘플 값의 정확성을 분석하기 위해 평균값 주변의 분포에 대해 판단할 수 있었습니다. 고스는 정규 분포의 응용을 발견한 최초의 사람이었을 수도 있습니다.

  그리고 이 생각은 실제로 우리가 현재 가지고 있는 위험 관리의 생각과 일치합니다. 우리가 가지고 있는 정보의 정확성을 판단해야 한다는 것입니다. 이 세상의 차이는 일치하는 것보다 훨씬 더 많습니다. 모든 꽃이 다르며, 모든 사람이 다르지만, 우리가 그것들을 분류하는 이유는 그들이 안정적으로 공통되어 있기 때문입니다. 이것이 우리가 추구하거나 이해하려는 본질입니다. 그리고 이것은 시계 곡선, 또는 고스의 정서 (Gauce's law) 분포가 우리가 세상을 인식하는 방식에 잘 맞는 곳입니다. 즉, 혼란 속에서 세상을 발견하는 질서입니다.

  

  정형 분포는 대부분의 위험 관리 시스템의 기초와 핵심을 구성한다. 예를 들어 보험회사에 있어서 상하이에서 발생한 자동차 사고와 같은 수많은 완전히 독립된 샘플을 통해 베이징의 전체 교통 안전에 영향을 미치지 않으며, 두의 한 환자도 중의 사람들의 건강 수준에 영향을 미치는 것은 거의 불가능하다. 보험회사는 수많은 다양한 연령층의 샘플을 추출하여 각 유형의 사람들의 기대 수명을 얻을 수 있으며, 기대 수명 변동 범위를 추정할 수 있으며, 흡연 역사, 가족 역사, 휴대 전화 중독 역사, 밤늦게 잠들지 않은 역사 및 단독 시간으로 추가하면 이러한 추정치가 더 정확합니다.

  정규 분포의 아름다운 곡선이 나타나기 위해서는 적어도 두 가지 조건이 필요합니다. 첫째, 가능한 한 많은 표본이 있어야 합니다. 프로그래머 금융 개들의 과업 상황을 조사하는 것만으로도 도시의 교통 체증을 추론할 수 없다는 것을 상상할 수 있습니다.

  그리고 투자 위험 관리의 경우, 우리는 비슷한 분석 패러다임을 가지고 있습니다. 주식 가격 변동의 평균값을 구하기 위해 historical data의 에 대한 탐색, 다른 이유로 설명하고 평균값에 대한 오차를 예측하는 것, 마치 우리가 세상을 작은 것에서 큰 것으로 인식하는 방법과 같습니다. 그러나 주식 시장은 실제로 정규 분포에 맞습니까? 이것은 위험 관리 역사에 또 다른 흥미로운 이야기일 수 있습니다.

중국 양적 투자 협회에서