Quy mô log thông báo về những thay đổi tương đối (nhân), trong khi quy mô tuyến tính thông báo về những thay đổi tuyệt đối (phụ gia). Khi nào bạn sử dụng mỗi? Khi bạn quan tâm đến những thay đổi tương đối, hãy sử dụng thang đo log; khi bạn quan tâm đến những thay đổi tuyệt đối, hãy sử dụng quy mô tuyến tính. Điều này đúng với phân phối, nhưng cũng đúng với bất kỳ số lượng hoặc thay đổi về số lượng.
Lưu ý, tôi sử dụng từ "chăm sóc" ở đây rất cụ thể và có chủ ý. Không có mô hình hoặc mục tiêu, câu hỏi của bạn không thể được trả lời; mô hình hoặc mục tiêu xác định quy mô nào là quan trọng. Nếu bạn đang cố gắng mô hình hóa một cái gì đó và cơ chế hoạt động thông qua một thay đổi tương đối, quy mô nhật ký là rất quan trọng để nắm bắt hành vi nhìn thấy trong dữ liệu của bạn. Nhưng nếu cơ chế của mô hình cơ bản là phụ gia, bạn sẽ muốn sử dụng quy mô tuyến tính.
$$$
$$$$
$
Nếu chúng ta chuyển đổi sang không gian nhật ký, những thay đổi tương đối sẽ xuất hiện dưới dạng thay đổi tuyệt đối.
log10($1)log10($1.10)
log10($100)log10($110)
Bây giờ, lấy sự khác biệt tuyệt đối trong không gian nhật ký , chúng tôi thấy rằng cả hai đã thay đổi bởi 0,0413.
Cả hai biện pháp thay đổi này đều quan trọng, và biện pháp nào quan trọng đối với bạn chỉ phụ thuộc vào mô hình đầu tư của bạn. Có hai mô hình. (1) Đầu tư một khoản tiền gốc cố định hoặc (2) đầu tư vào một số lượng cổ phiếu cố định.
Mô hình 1: Đầu tư với một khoản tiền gốc cố định.
$$$$$$$$
Mô hình 2: số lượng cổ phiếu cố định.
$
Bây giờ giả sử chúng ta nghĩ về một giá trị cổ phiếu như một biến ngẫu nhiên dao động theo thời gian và chúng ta muốn đưa ra một mô hình phản ánh chung cách các cổ phiếu hành xử. Và giả sử chúng tôi muốn sử dụng mô hình này để tối đa hóa lợi nhuận. Chúng tôi tính toán phân phối xác suất có giá trị x tính theo đơn vị 'giá cổ phiếu' và giá trị y trong xác suất quan sát giá cổ phiếu nhất định. Chúng tôi làm điều này cho cổ phiếu A và cổ phiếu B. Nếu bạn đăng ký vào kịch bản đầu tiên, nơi bạn có một khoản tiền gốc cố định mà bạn muốn đầu tư, thì việc ghi nhật ký của các phân phối này sẽ có thông tin. Tại sao? Điều bạn quan tâm là hình dạng của phân phối trong không gian tương đối. Cho dù một cổ phiếu đi từ 1 đến 10, hoặc 10 đến 100 không quan trọng với bạn, phải không? Cả hai trường hợp là 10 lầnlợi ích tương đối. Điều này xuất hiện một cách tự nhiên trong phân phối tỷ lệ log trong đơn vị tăng đó tương ứng với mức tăng trực tiếp. Đối với hai cổ phiếu có giá trị trung bình khác nhau nhưng có sự thay đổi tương đối được phân phối giống hệt nhau (chúng có cùng phân phối thay đổi phần trăm hàng ngày ), phân phối nhật ký của chúng sẽ giống hệt nhau về hình dạng. Ngược lại, phân phối tuyến tính của chúng sẽ không giống nhau về hình dạng, với phân phối có giá trị cao hơn có phương sai cao hơn.
Nếu bạn nhìn vào các phân phối tương tự trong không gian tuyến tính hoặc tuyệt đối, bạn sẽ nghĩ rằng giá cổ phiếu có giá trị cao hơn tương ứng với biến động lớn hơn. Đối với mục đích đầu tư của bạn, mặc dù chỉ có lợi ích tương đối, điều này không nhất thiết đúng.
Ví dụ 2. Phản ứng hóa học.
Giả sử chúng ta có hai phân tử A và B trải qua phản ứng thuận nghịch.
A⇔B
được xác định bởi các hằng số tỷ lệ riêng
kabA⇒BkbaB⇒A
Trạng thái cân bằng của chúng được xác định bởi mối quan hệ:
K=kabkba=[A][B]
AB
K∗=kab−kba=[A]−[B]
(0,inf)
CHỈNH SỬA . Một song song thú vị giúp tôi xây dựng trực giác là ví dụ về phương tiện số học so với phương tiện hình học. Một số học (vanilla) có nghĩa là tính trung bình của các số giả định một mô hình ẩn trong đó sự khác biệt tuyệt đối là vấn đề. Thí dụ. Giá trị trung bình số học của 1 và 100 là 50,5. Giả sử chúng ta đang nói về nồng độ, trong đó mối quan hệ hóa học giữa các nồng độ là nhân. Sau đó, nồng độ trung bình nên thực sự được tính trên thang đo log. Đây được gọi là trung bình hình học. Trung bình hình học của 1 và 100 là 10! Xét về sự khác biệt tương đối, điều này có ý nghĩa: 10/1 = 10 và 100/10 = 10, nghĩa là, sự thay đổi tương đối giữa giá trị trung bình và hai giá trị là như nhau. Ngoài ra, chúng tôi tìm thấy điều tương tự; 50,5-1 = 49,5 và 100-50,5 = 49,5.