A história é muito pequena. Desculpe, Gauss fez um pequeno trabalho.

O que é que ele está a fazer aqui?

• Gauss A partir desta imagem, podemos ver que, na história da matemática, apenas Newton (o mais alto da esquerda) e Arquimedes (o mais alto da direita), mencionados no artigo anterior, estão em um nível com Gauss, enquanto Gauss está no meio. É difícil listar os grandes feitos de Gauss, em parte porque ele é limitado a um artigo e seus resultados são muitos, em parte porque muitas das suas capacidades não são compreendidas por mim (um eu honesto e direto).

  O conteúdo do gerenciamento de risco e a relação entre Gauss e Gauss são outras histórias interessantes. A curva normal mencionada anteriormente, a curva de relógio que o matemático mais inclinado da história, Von Mover, desenhou ("A história do risco" (4): Von Mover e a curva de Deus), morreu em 1754, Gauss nasceu em 1777, mas em estudos posteriores chamamos a distribuição normal de Gauss.

  Isso pode ser complementado por um conhecimento interessante e frio, chamado Lei de Von Stegler, que diz que nenhum teorema científico é nomeado após seu primeiro descobridor. Por exemplo, a constante de Eura, que é o logarítmo natural e foi descoberto pela primeira vez pelos Bernoulli; as duas primeiras leis de Newton foram apresentadas por Galileo, Hooke (que é o personagem que mais gostava de ironia de Newton) e outros, respectivamente; o conhecido teorema de Loda foi o resultado de John Bernoulli, que pagou a Loda; e, em termos mais gerais, os números árabes foram inventados pelos indianos; e até mesmo a Lei de Stiegler, que foi apresentada por um estudioso suíço.

  Então, você disse: "Quem é que vai julgar o caso de Kim Moor?"

  Claro que, seja qual for o propósito, acusar Gauss de copiar Pommower é uma coisa muito engraçada, pois, afinal, todos os matemáticos da geração seguinte copiaram Gauss. Gauss era um gênio imortal, e em livros de matemática do ensino médio todos já leram histórias de Gauss como criança, como a lista de diferenças e como o adolescente Gauss desenhou a escala de dezessete lados, e como um teórico de matemática, ele não se interessou pelo teorema de Fermat porque ele achava que ele poderia encontrar uma pilha de proposições como essa que não poderiam ser provadas ou rebatidas.

  O grande deus como ele, se estivesse vivo hoje, não sabe quantos aplicativos estranhos ele criaria.

  Gauss, envolvido em quase todas as disciplinas da matemática moderna, não publicou nada sobre gestão de riscos, mas ele tinha um grande interesse em probabilidade e estatística matemática, como o conhecido teorema de Gauss-Markov, que é um dos resultados de um ramo da pesquisa sobre distribuição normal. Gauss foi chamado para fazer uma medição geográfica em uma pequena cidade da Baviera, onde Gauss constantemente se queixava de que todos os que o rodeavam não eram dignos de seu intelecto e que Sheldon não existiria hoje se não fosse porque as redes não eram desenvolvidas.

  Gauss precisou estimar o impacto do grau de curvatura da superfície da Terra sobre a distância da superfície quando fez a medição. Naquela época, não havia satélites, então o principal método de medição era a medição contínua. Apesar de cada vez que os resultados eram diferentes, com o aumento do número de medições, o conhecido equilíbrio direcional, ou a lei dos valores centrais dependentes da curvatura, aparecia novamente.

  E essa ideia é realmente consistente com a nossa ideia atual de gestão de risco, de que precisamos julgar a precisão da informação que temos nas mãos. As diferenças do mundo são muito mais do que consistentes, cada flor é diferente, cada pessoa é diferente, mas a razão pela qual as classificamos é porque elas têm uma comunhão estável entre si, que é a essência do que queremos buscar ou compreender, e que é também a curva de relógio, ou a normalidade de Gauss, onde a distribuição se encaixa com a forma como percebemos o mundo: encontrar ordem no meio do caos.

  

  A distribuição normal provavelmente constitui a base e o núcleo da maior parte dos sistemas de gestão de riscos. Por exemplo, para as companhias de seguros, através de inúmeras amostras completamente independentes, como um acidente de carro em Xangai não afeta a segurança geral do trânsito em Pequim, e um paciente em Chengdu dificilmente afeta o nível de saúde dos habitantes de Shenzhen, as companhias de seguros podem obter uma expectativa de vida de cada pessoa através de inúmeras amostras de diferentes idades e grupos, estimando os intervalos de variação da expectativa de vida, que se tornam mais precisos com a adição de histórico de tabagismo, histórico familiar, histórico de dependência de celular, histórico de insônia noturna e tempo de solteiro.

  E para que surjam curvas bonitas de distribuição normal, são necessárias pelo menos duas condições: a primeira é que haja o maior número possível de amostras, e você pode imaginar que apenas pesquisar o tempo extra de um cão financeiro programador é impossível de deduzir o congestionamento da sua cidade, sem falar de como um número suficiente de namorados pode saber o que é amor. A segunda é que cada amostra precisa ser independente uma da outra, porque sem independência, não é possível garantir a representação da lei, o que parece um pouco anti-intuitivo, mas você pode imaginar que todos os exemplos de crianças de outras pessoas têm esse problema.

  Para o gerenciamento de risco de investimento, temos um padrão analítico semelhante: buscar a média de variações de preços de ações a partir de dados históricos como um mar de fumaça, interpretar e prever desvios da média por diferentes razões, como se fosse a maneira como conhecemos o mundo de pequeno a grande.

Traduzido da Sociedade Chinesa de Investimentos Quantificados