А ещё все хорошо знают, что будет при
. А будет канторовская лестница.
— Но
надо брать поближе к единице, я же писал выше. Тогда и дисперсия
будет поменьше, и распределение по форме ближе к нормальному. Вообще, мне даже нравится рассматривать
, как
ограниченные случайные величины; это исключает контрпримеры Машерова (распределения с несуществующей дисперсией). Спасибо за ваши примеры, но они меня пока не переубедили. (Часть из них содержит арифметические несуразицы, типа 0,049.)
Из литературы была посоветована пока только монография:
Кендэл М. Временные ряды. М.: Финансы и статистика, 1981 г. 191 с. Правильно я угадал?
Рассматривать нормально распределённые случайные величины, как ограниченные, имеет право только товарищ полковник, и только в военное время (см. "Пособие по применению правил стрельбы и управления огнём наземной артиллерии"). Потому, что товарищ полковник знает, что снаряд, лёгший в стороне от цели, это скорее всего криворукость наводчиков, а не свойство распределения, и взгревает командира батареи, не слушая его оправданий, что распределение отклонений нормальное, и теоретически может быть больше 4 Вд.
Вообще же нормальное - оно от плюс до минус бесконечности. И заменять его усечённым нормальным отнюдь не всегда допустимо. Можно нарваться, наподобие тех финансистов, которые опционы продавали перед экспирацией, по 1/16 доллара, поскольку нормальная аппроксимация даёт вероятность больших движений в их случает порядка
. А потом вдруг цена дёрнулась, и им пришлось за каждый возвращать по $20. В результате 3000 спекулянтских фирм разорились полностью, а, скажем, Голдман Сакс отделался тремя миллиардами убытка. Это я к тому, что распределения с бесконечной дисперсией, да и хотя бы с бесконечными высшими моментами, объект теоретический, но иногда очень хорошо описывающий объекты реальности, где бесконечности в выборке данных не встречаются, но просто очень большие изменения бывают.
Предложенное преобразование достаточно хорошо известно, но именно в качестве НЧ-фильтра в технике (и некоторых иных приложениях обработки сигналов). Плохого в смысле крутизны характеристики, но чрезвычайно простого, устойчивого и быстрого. Специальных монографий по нему я не встречал, тема достаточно частная, ищите либо в пособиях по ЦОС, либо по экономическому прогнозированию (по названию "экспоненциальное сглаживание" или "БИХ-фильтр первого порядка"). В качестве нормализующего его не использует никто. Хотя некий "нормализующий эффект" оно даёт, в смысле нормированные семиинварианты высших порядков получаются ближе к нулю, чем у исходной величины. Скажем, при q=0.9 третий нормированный семиинвариант (асимметрия) составит 0.306 от такового для иксов, а четвёртый (эксцесс) - 0.105. Но платится за это потерей независимости наблюдений. Что для НЧ-фильтра нормально, в пропускаемым им низкочастотных колебаниях соседние отсчёты близки друг к другу, это и ожидалось. Однако в качестве самостоятельного нормализующего преобразования такое малополезно. Мы ожидаем либо независимости отсчётов (для, скажем, статистических тестов), либо обнаружения интересующей нас зависимости (в регрессионном анализе, к примеру). А данный подход подсовывает нам артефактную зависимость, которая либо обесценит нам тесты, либо затенит реальную и важную для нас зависимость данных.