Von der Theorie zur Praxis - Seite 365

 
Dieser Kater - ich habe ihm gesagt, er soll erst einmal still sein. Ich werde ihm jetzt eine geben. Verzeihen Sie, meine Herren, für den innerfamiliären Streit in der Sendung.
 
Alexander_K:

Meine Herren!!!!!!!!!

Es geht dem Ende zu, nicht wahr? Finita la comedy, wie man so schön sagt.

Ich versichere Ihnen, dass die Abläufe in Erlang der Schlüssel sind.

Ich habe mir gerade die AUDCAD-Kurse dieser Woche angesehen.

1. Keine Zeitabstände helfen, die Zitate gleichmäßig zu lesen. Dennoch gibt es auf M1, M5 usw. keine symmetrische Verteilung, die auch nur im Entferntesten einer Normal- oder Laplace-Verteilung ähnelt. Unmöglich zu bekommen, mach was du willst.

2. Beim Übergang vom einfachen Fluss zum Erlang-Fluss der Ordnung 300 (etwa M5) wird die Laplace-Verteilung für die Inkremente mit Sicherheit beobachtet.

Ich habe noch nicht weiter nachgeprüft.

Herzliche Grüße,

Schrödingers Katze.

d.h. die exponentielle Anzeige kann entfernt werden, oder ist es immer noch primär und dann Erlang?

 
Maxim Dmitrievsky:

d.h. die exponentielle Auslesung kann entfernt werden, oder ist es immer noch primär und dann Erlang?

Es stellt sich heraus, dass es möglich ist, einen HF-Generator mit einer Erlang-Verteilunghttps://en.wikipedia.org/wiki/Erlang_distribution der Größenordnung 300 einzustellen und in diesen Zeitintervallen Tick-Kurse zu lesen. Kleinere Ordnungen können nicht berücksichtigt werden - der Übergang zur Laplace-Verteilung wird erst ab 300 beobachtet.

Leider kenne ich einen solchen "Laplace-Prozess" im Gegensatz zu einem Wiener-Prozess nicht. Aber das Problem dürfte trotzdem viel einfacher zu lösen sein.

Erlang distribution - Wikipedia
Erlang distribution - Wikipedia
  • en.wikipedia.org
Erlang Parameters shape , rate (real) alt.: scale (real) Support PDF λ k x k − 1 e − λ x ( k − 1 ) ! {\displaystyle {\frac {\lambda ^{k}x^{k-1}e^{-\lambda x}}{(k-1)!}}} CDF γ ( k , λ x ) ( k − 1 ) ! = 1 − ∑ n = 0 k − 1 1 n ! e − λ x ( λ x ) n {\displaystyle {\frac {\gamma...
 
Alexander_K2:

Es stellt sich heraus, dass es möglich ist, auf einmal einen HF-Generator mit der Erlang-Verteilunghttps://en.wikipedia.org/wiki/Erlang_distribution der Ordnung 300 einzustellen und in diesen Zeitintervallen die Tick-Kurse zu lesen. Kleinere Ordnungen können nicht berücksichtigt werden - der Übergang zur Laplace-Verteilung wird erst ab 300 beobachtet.

Leider kenne ich einen solchen "Laplace-Prozess" im Gegensatz zu einem Wiener-Prozess nicht. Aber das Problem dürfte trotzdem viel einfacher zu lösen sein.

Und es gibt auch die q-gaußsche Verteilung, kann sie hier irgendwie relevant sein? Es gibt etwas über Entropie und über alles, es ist nur so, dass die Codes schon da sind :)

Ich habe noch nichts von dem Artikel verstanden

 
Während A_K2 sich mit Erlang-Flows herumschlägt, haben wir das hier alle schon lange). Wir nehmen winzige Daten, sagen wir Close, und haben bereits einen Erlang-Flow von etwa 90-100. Und alle Verteilungen sind dort, wo sie sein sollten. Was gibt es da zu überlegen? Wir müssen uns schütteln.
 
Yuriy Asaulenko:

Mit Close auf dem Protokoll arbeitet jeder. Hier konkurrieren Sie mit allen, auch mit den Papuas. Und bei Erlang-Strömen sind Sie allein, und zwar mit der Laplace-Verteilung mit ihrer bekannten Quantilsfunktion.

 
Alexander_K2:

Mit Close auf dem Protokoll arbeitet jeder. Hier konkurrieren Sie mit allen, auch mit den Papuas. Und bei Erlang-Flows sind Sie allein, und zwar mit der Laplace-Verteilung mit ihrer bekannten Quantilsfunktion.

(Wenn Sie die Verteilung um 2-3 % verfeinern, werden Sie diese Fehler in der Grafik gar nicht bemerken.)) Hier haben Sie keinen Vorteil, nicht einmal gegenüber den Papuas).

 
Alexander_K2:

Mit Close auf dem Protokoll arbeitet jeder. Hier konkurrieren Sie mit allen, auch mit den Papuas. Und bei Erlang-Strömen sind Sie allein, und zwar mit der Laplace-Verteilung mit ihrer bekannten Quantilsfunktion.

Die Laplace-Verteilung, die Exponentialverteilung als Spezialfall der Erlang-Verteilung bei k=1, die Gamma-Verteilung, das Analogon des kontinuierlichen geometrischen und einfachen Poisson-Flusses und ein Spezialfall der Weibull-Verteilung haben eine Schlüsseleigenschaft - das Fehlen einesSpeichers. Die Laplace-Verteilung tendiert zwar zur Normalverteilung, hat aber dichtere Schwänze.

 
Yuriy Asaulenko:
Während A_K2 sich mit Erlang-Flows herumschlägt, haben wir das hier alle schon lange). Wir nehmen winzige Daten, sagen wir Close, und haben bereits einen Erlang-Flow von etwa 90-100. Und alle Verteilungen sind dort, wo sie sein sollten. Was gibt es da zu überlegen? Wir müssen uns schütteln.

Sie werden keine astronomische Zeit erhalten, sie wird sich verschieben, es ist Betriebszeit.

 
Novaja:

Laplace-Verteilung, Exponentialverteilung als Spezialfall der Erlang-Verteilung bei k=1, Gamma-Verteilung, Analogon des kontinuierlichen geometrischen und einfachen Poisson-Flusses und ein Spezialfall der Weibull-Verteilung hat die Schlüsseleigenschaft, dass es keinGedächtnis gibt. Die Laplace-Verteilung tendiert zwar zur Normalverteilung, hat aber dichtere Schwänze.

Schwänze sind kein Gedächtnis. Das Gedächtnis ist die Abhängigkeit des nächsten Inkrements von dem vorhergehenden.

Verteilungen enthalten nicht die geringste Information über das Vorhandensein oder Nichtvorhandensein von Gedächtnis - dafür muss man sich mit bedingten Verteilungen oder Autokorrelation befassen, die im Wesentlichen dasselbe sind.

Ein einfaches Beispiel: Ich kann eine beliebige Reihe von Farbverläufen mischen (Farbverläufe nach dem Zufallsprinzip austauschen). Die Erinnerung kann erscheinen oder auch nicht. Die Verteilung bleibt jedoch unverändert.

Bürger, die unter diesem Problem leiden, sollten googeln und die Grundlagen studieren. Ansonsten ist es lächerlich, Sie zu lesen.