Berechnen Sie die Wahrscheinlichkeit einer Umkehrung - Seite 5
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
Ich unterstütze Bas mit seinem Rat - Sie müssen sich für Optionen entscheiden. Das Black-Scholes-Modell sollte natürlich mit Ihren Daten funktionieren.
Sie haben nicht einmal verstanden, worum es in der Frage ging und was mein Rat war), warum zeigen Sie Ihre Unwissenheit so deutlich?)
Ist jede glockenförmige Funktion eine Dichte einer Normalverteilung? Was hindert Sie z. B. daran, in Ihrer Abbildung die Dichte der Beta-Verteilung zu sehen?
Übrigens, Alexey und Vladimir, können Sie uns einen Tipp geben? Angenommen, wir wollen einige Daten durch eine Normalverteilung approximieren.
Die Schwänze und die Mitte der Verteilung müssen bei der Annäherung das gleiche Gewicht haben, wie ich annehme?
Ist es dann besser, in logarithmischen Koordinaten zu approximieren?
Bei linearen Koordinaten ist der absolute Fehler in den hinteren Bereichen um Größenordnungen kleiner als in der Mitte, so dass er kaum in die Annäherung eingeht.
Oder die zweite Möglichkeit - den Quotienten, nicht das Quadrat der Differenz, als Fehler zu nehmen? Aber ich werde nicht in der Lage sein, solche Formeln abzuleiten.
Sie haben nicht einmal verstanden, worum es in der Frage ging und was mein Rat war), warum zeigen Sie Ihre Unwissenheit so offensichtlich?)
Übrigens, Alexey und Vladimir, können Sie uns einen Tipp geben? Angenommen, wir wollen einige Daten durch eine Normalverteilung approximieren.
Die Schwänze und die Mitte der Verteilung sollten bei der Annäherung das gleiche Gewicht haben, wie ich annehme?
Ist es dann besser, in logarithmischen Koordinaten zu approximieren?
Bei linearen Koordinaten ist der absolute Fehler in den hinteren Bereichen um Größenordnungen kleiner als in der Mitte, so dass er kaum in die Annäherung eingeht.
Oder die zweite Möglichkeit - den Quotienten, nicht das Quadrat der Differenz, als Fehler zu nehmen? Aber ich kann solche Formeln nicht ableiten.
Zunächst wäre es notwendig, die Normalität der Stichprobe zu überprüfen, zumindest "mit dem Auge".
Dann sollten Sie "Angewandte Statistik" von Kobzar finden und dort das zweite Kapitel lesen)
...
Wäre es dann besser, in logarithmischen Koordinaten zu approximieren?
...Im Allgemeinen ist Ihre Frage (Fragen?) zu allgemein, zu abstrakt formuliert. Das Einzige, was ich mit Sicherheit sagen kann, ist, dass die Annäherung, wenn sie mit einer Minimierung der Abweichungen in logarithmischen Koordinaten durchgeführt wird, einen minimalen relativen Fehler aufweisen wird. Dies gilt für Annäherungen durch alles: Polynome, trigonometrische Funktionen, Splines, rationale Brüche, Wavelets... Ich habe noch nicht von Annäherungen mit typischen Wahrscheinlichkeitsverteilungen gehört.
Zunächst sollte man sich vergewissern, dass die Probe normal ist, zumindest "mit dem Auge".
"Dies bedeutet, dass ein Quantil-Quantil-Diagramm(oder ein Wahrscheinlichkeits-Diagramm) für die Stichprobe und die Normalverteilung erstellt und sichergestellt werden muss, dass es durch eine gerade Linie gut angenähert wird.
Übrigens, Alexej und Wladimir, sagt mir. Angenommen, wir wollen einige Daten durch eine Normalverteilung approximieren
..
Hier zum Beispiel die Daten, für die sich im Moment alle interessieren: https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6. Nur "einige" Daten.
Warum sollten sie durch eine Normalverteilung oder eine andere Verteilung angenähert werden müssen? Der Exponent war anfangs noch interessant, gemäß der Gleichung für die Ausbreitungskinetik der Kettenreaktion.
Warum sollten sie durch eine Normalverteilung oder eine andere Verteilung angenähert werden müssen? Der Exponent war anfangs interessant, entsprechend der Gleichung für die Ausbreitungskinetik der Kettenreaktion.
Gemeint ist nicht eine Zeitreihe, sondern ein Histogramm, das der Norm nahe kommt.
https://www.mql5.com/ru/articles/396
python -https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
https://www.mql5.com/ru/articles/396
Es ist also eine Glättung.