
Fat e Heavy Tails: Differenze e Implicazioni
Comprendere la distinzione tra distribuzioni a coda pesante (heavy-tailed), fat-tailed e light-tailed e le implicazioni per il Teorema del Limite Centrale.
Articoli e approfondimenti su Machine Learning, Statistica, Modellazione Quantitativa e Algebra Lineare.

Comprendere la distinzione tra distribuzioni a coda pesante (heavy-tailed), fat-tailed e light-tailed e le implicazioni per il Teorema del Limite Centrale.

Distinguere tra anomalie di misura, realizzazioni estreme genuine ed eventi strutturali di coda nella modellazione quantitativa.

Dalla complessità cubica O(n³) e l'algoritmo di Strassen del 1969 fino ad AlphaTensor e alla scoperta di nuovi algoritmi tramite Reinforcement Learning.

Confronto tra il vincolo di non distorsione (BLUE / MVUE) nell'econometria classica e il trade-off bias-varianza nel machine learning supervisionato.

Derivazione di Voting KNN e Volumetric KNN a partire dalla stima non parametrica di densità e dal classificatore di Bayes, con tecniche di ottimizzazione.

Confronto metodologico ed empirico tra tecniche di oversampling sintetico per la classificazione sbilanciata nella predizione del default dei comuni.