Von der Theorie zur Praxis - Seite 71
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Nein, ich muss mich noch verabschieden, aber in abgekürzter Form, sonst wird es wieder gelöscht...
Das Wichtigste!
Die Prozesse der Preisrenditen, d.h. x(t)=Ask(t)-Ask(t-1) und y(t)=Bid(t)-Bid(t-1) sind STABIL.
Verwenden Sie nicht-parametrische Methoden für Ihre Analyse.
Wer das herausfindet, auf den warten erstaunliche Entdeckungen.
Ist das in Ordnung?
Hochachtungsvoll,
Alexander und Schrödingers Katze aus dem Hilbert-Raum.
Wir werden Ihnen die Ergebnisse auf jeden Fall mitteilen, denn darauf warten doch alle, oder?
1)https://www.mql5.com/ru/forum/219894/page5#comment_6193436
2) https://www.mql5.com/ru/forum/219894/page6#comment_6196243
.
Sie haben den RMS richtig berechnet. Sehen Sie sich jedoch an, wie viel es wäre, wenn n=1 wäre. Sie werden sich fragen, was das für ein Unsinn ist. Die Bezeichnung "n - Volumen der statistischen Grundgesamtheit" ist sehr vage, normalerweise wird geschrieben, dass n die Anzahl der Elemente in der Stichprobe ist. Dann kann der RMS nach dieser Formel nicht berechnet werden, wenn es nur ein Element gibt. Aus diesem Grund wird das Quadrat des RMS als "verzerrte" Varianzschätzung bezeichnet. Es gibt auch eine unverzerrte Variante, bei der n n1-1 anstelle von n im Nenner ist. Die Quadratwurzel der unverzerrten Varianzschätzung wird als Standardabweichung bezeichnet.
Es liegt in der Natur dieses Konflikts, dass ein Gegenstand einen Freiheitsgrad hat. Wenn viele Merkmale aus einer kleinen Anzahl von Daten definiert werden, werden sie voneinander abhängig. In diesem Fall wird das arithmetische Mittel in die RMS-Berechnung einbezogen. Ein Freiheitsgrad ist sozusagen bereits ausgeschöpft. Das "seltsame" Verhalten des Nenners der Standardabweichung bedeutet lediglich, dass sowohl der Mittelwert als auch die Streuung nicht aus einem einzigen Element bestimmt werden können. Es ist zu erkennen, dass die Standardabweichung immer um den Faktor [n/(n-1)]^0,5 größer ist als die Standardabweichung. Wenn die Anzahl der Elemente in der Stichprobe jedoch groß ist, können wir das vergessen, weil es nicht viel ist. Bei n=100 ist es (100/99)^0,5=1,005, was einem halben Prozent entspricht. Wenn wir außerdem mit Sicherheit wissen, dass der RMS stetig zu einem bestimmten Wert tendiert.
Hier kommt der schwierige Teil ins Spiel. "RMS tendiert zu", d. h. die Gesetze der großen Zahlen greifen. Wenn das tatsächlich gemessene Phänomen tatsächlich diese Stabilität aufweist. Mit anderen Worten: Die Grundhypothese der Wahrscheinlichkeitstheorie ist erfüllt - die relative Häufigkeit eines Ereignisses tendiert zu einem bestimmten Wert, wenn die Anzahl der Ereignisse steigt. Dies wird auch als "statistische Stabilität" bezeichnet. Wenn es sie nicht gibt, ist die gesamte klassische Wahrscheinlichkeitstheorie auf das Phänomen nicht anwendbar. Dieser Unterschied wird in den umfangreichen Zitaten von Oleg Avtomat, die abhttps://www.mql5.com/ru/forum/221552/page58#comment_6191471 zu finden sind, diskutiert. Sie sind schwer zu lesen. Meiner Meinung nach macht es viel mehr Spaß, sich die Präsentation des Gorban-Berichts mit Bildern und Diagrammen anzusehen. Sie wird eine optimistischere und konstruktivere Stimmung erzeugen, wie dieser Satz:
"Es hat sich gezeigt, dass der Seegang, der traditionell als starker destabilisierender Faktor angesehen wird, die Leistung von hydroakustischen Stationen verbessern kann.
Selbst bei den Wechselkursen hat der Autor nach der Formulierung "Über 16 Jahrzehnte gemittelt, der statistische Instabilitätsparameter (durchgehende Kurve) und die Schwankungsbreite dieses gemittelten Parameters, definiert durch den RMS, (gestrichelte Kurven) für den Kurs des australischen Dollars (AUD) gegenüber dem US-Dollar (USD) für 2001 (a) und 2002. (б)".
Ich füge die Präsentation bei, und für diejenigen, die weitere Quellen suchen, gibt es hier eine Liste von Präsentationen, manchmal mit Dateiadressen, aus der Liste "Archive of past "Image Computer" seminars http://irtc.org.ua/image/seminars/archive from 2002-2017. Gorban hat bis zu einem Dutzend Monographien über Entwicklungen im Bereich der "Hyperrandom"-Phänomene verfasst:
I.I. Gorban THEORIE DER HYPERSLUTE-Phänomene. Theorie und Praxis. Abschnitt 7. Systemanalyse.
I.I. HURBAN I HYPERRANDOMNESS KIEW NAUKOV DUMKA 2016. - 288 S. ISBN 978-966-00-1561-6
sagen Sie mir dies.
Inwiefern ist das Vieh besser als die einfache Durchschnittsabweichung?
Warum gilt das immer?
Das sollten Sie mir besser erklären.
ist besser für die einfache durchschnittliche Abweichung?
warum gilt das immer?
Wenn Sie mir die Formel für die Berechnung der"einfachen durchschnittlichen Abweichung" nennen, kann ich sie Ihnen vielleicht sagen. Ansonsten weiß ich einfach nicht, was es ist.
Oder Sie können es mir sagen. Nur damit jeder, der die Berechnung nach Ihrer Geschichte durchgeführt hat, das gleiche Rechenergebnis hat.
Wenn Sie mir die Formel für die Berechnung der "einfachen durchschnittlichen Abweichung" nennen, kann ich sie Ihnen vielleicht sagen. Ansonsten weiß ich einfach nicht, was es ist.
Oder Sie können es mir sagen. Nur um nach Ihrer Erzählung für alle das gleiche Rechenergebnis zu haben.
Mitteln Sie die Abstände der Streuungen zum Mittelwert.
Dies gilt auch hier.
Das wird auch angewandt.Wenn Sie mir die Formel für die Berechnung der "einfachen durchschnittlichen Abweichung" nennen, kann ich sie Ihnen vielleicht sagen. Ansonsten weiß ich einfach nicht, was es ist.
Oder Sie können es mir sagen. Nur damit jeder, der die Berechnung nach Ihrer Geschichte durchgeführt hat, das gleiche Rechenergebnis hat.
Nun, einfach die Summe aller Abweichungen geteilt durch die Anzahl der Abweichungen.
Mitteln Sie die Abstände der Streuungen zum Mittelwert.
Aha,
Mitteln Sie die Abstände der Streuungen zum Mittelwert.
also die Summe aller Ausreißer geteilt durch die Anzahl der Ausreißer