Proceedings of the National Academy of Sciences· 2026Q1
Bağımlılık ve Heterojenlik Altında Sonsuz Ortalamalı Ağır Kuyruklu Veriler İçin Genelleştirilmiş Taylor Yasası
Generalized Taylor’s law for infinite-mean heavy-tailed data under dependence and heterogeneity
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Sonsuz ortalamalı ağır kuyruklu veriler için genelleştirilmiş bir Taylor yasası kurulmuş olup, bu yasa bağımlılık ve heterojenliği kapsayarak zaman serisi ve ağ verilerine uygulanabilirliğini genişletmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Varyansın ortalamaya göre bir güç yasasıyla ilişkisini açıklayan Taylor yasası, sonsuz ortalamalı ağır kuyruklu dağılımlar için genelleştirilmiştir.
- Genelleştirme, önceki bağımsızlık varsayımlarını gevşeterek bağımlı ve heterojen verileri kapsamaktadır.
- Bu genelleştirilmiş yasa için olasılıksal limitler ve yakınsama oranları belirlenmiştir.
- Bulgular, Taylor yasasının bağımlı zaman serileri ve ağ yapılı verilere uygulanmasını sağlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Taylor's law, also known as fluctuation scaling in physics and the power-law variance function in statistics, is an empirical pattern widely observed across fields including ecology, physics, finance, and epidemiology. It states that the variance of a sample scales as some power of the mean of the sample. We study generalizations of Taylor's law in the context of heavy-tailed distributions with infinite mean and variance. We establish the probabilistic limit and analyze the associated convergence rates. Our results extend the existing literature by relaxing the assumption that the observed random variables are independently and identically distributed to accommodate dependence and heterogeneity among them. This generalization enables application of Taylor's law to dependent time series and network-structured data. We support the theoretical developments by extensive simulations, and the practical relevance through applications to real network data.
Yazarların özeti; kaynağından alınmıştır. Proceedings of the National Academy of Sciences, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Ekonomi ve Ekonometri
Economics and EconometricsEconomics, Econometrics and Finance