We applied Dirac distribution, Bose-Einstein distribution, and occasionally Boltzmann-Gibbs distribution in order to determine which is optimal for income distribution on a large pool of countries. The best fit to the data was observed in the case of Fermi-Dirac distribution, for which the coefficient of determination showed the best goodness of fit to the data. Using this distribution for data (spun throughout more years), we obtained the underlying critical parameters of annual income distribution such as chemical potential and temperature. The next step was to explore the evolution of income using economic analogues to chemical potential and temperature. Using as background the analogy made by Yakovenko between temperature from thermodynamic systems and nominal income from Economics, we found other analogies that would allow further analysis and explanation of income.


翻译:我们运用了Dirac分布、Bose-Einstein分布,有时还采用Boltzmann-Gibbs分布,以确定哪一种最适合在众多国家中进行收入分配。在Fermi-Dirac分布中,观察到的数据最适合于数据。在Fermi-Dirac分布中,确定系数表明最适合数据。利用这种数据分布(多年以来的SPun),我们获得了诸如化学潜力和温度等年度收入分配的关键参数。下一步是利用经济类比来探索收入的演变情况,将化学潜力和温度进行比较。我们以Yakovenko在热动力系统温度与经济名义收入之间所作的类比为背景,发现了其他可进一步分析和解释收入的类比。

0
下载
关闭预览

相关内容

【SIGIR2020】学习词项区分性,Learning Term Discrimination
专知会员服务
15+阅读 · 2020年4月28日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
45+阅读 · 2019年12月20日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Arxiv
19+阅读 · 2018年10月25日
Arxiv
3+阅读 · 2018年10月11日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员