Мультипликативный эффект, в регрессии Опции

[Pinus]

...используете ML-оценки исходного уравнения

Есть ли какие-либо практические придержки по минимальному объему выборки для метода макс.правдоподобия? Читал, что надо большие выборки. 50-60 ед. наверно мало?

[плав]

В общем-то получается все про ту же злополучную ошибку. На основании чего ее можно предположить? Если нужно уравнение Y=exp(b0-b1/A), значит Y зависит от A по данной функции, стало быть случайная составляющая должна быть прибавлена: Y=exp(b0-b1/A) + e.
В каком случае получается lnY= b0-b1/A+е ? Если просто отказаться от Y=exp(b0-b1/A) и рассматривать lnY= b0-b1/A, как изначальную функцию?

Либо сделать так, как делали другие (по литературе), либо построить обе модели и посмотреть распределение остатков (они как раз и характеризуют ошибку).
Другое дело, (в ответ на второй пост), что оценить форму распределения при небольшом количестве наблюдений будет сложно. Что же касается ML-оценивания в принципе, то ограничений по размеру выборки нет, просто кривизна функции правдоподобия будет небольшой (широкие доверительные интервалы).