Berechnen Sie die Wahrscheinlichkeit einer Umkehrung - Seite 8
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
OK, nehmen wir also eine Cauchy- oder Laplace-Verteilungsdichte.
Ich bin nicht an der Cauchy- oder Laplace-Verteilung interessiert und habe auch nicht vor, sie festzulegen)
Und ich brauche keine Gaußschen Parameter. Die Frage ist eine andere.
... Wie nahe sie am Gaußschen Modell liegt, wo sie davon abweicht und um wie viel ...
Ich wollte nur verstehen, wie Sie diese Frage in dem hypothetischen Fall beantworten würden, in dem bekannt ist, dass die Daten genau nach der Cauchy-Standardverteilung verteilt sind. Dann wäre die Frage auch bei realen Daten leichter zu beantworten. Zum Beispiel etwas in der Art, dass wir den Gauß nehmen, für den die Summe der Moduli der Abweichungen der Dezile minimal ist, usw.
Oder ich verstehe die Frage überhaupt nicht.
Ich wollte nur wissen, wie Sie diese Frage in dem hypothetischen Fall beantworten würden, in dem Sie sicher wissen, dass die Daten genau gemäß der Cauchy-Standardverteilung verteilt sind. Dann wäre die Frage auch bei realen Daten leichter zu beantworten. Zum Beispiel etwas in der Art, dass wir den Gauß nehmen, für den die Summe der Moduli der Abweichungen der Dezile minimal ist, usw.
Oder ich verstehe die Frage überhaupt nicht.
Alexey, wie kann die Analogie der Cauchy-Verteilung in der Praxis angewendet werden?
Interessantes Postskriptum, es wurde nicht übermittelt
Ich wollte nur wissen, wie Sie diese Frage in dem hypothetischen Fall beantworten würden, in dem Sie sicher wissen, dass die Daten genau nach der Cauchy-Standardverteilung verteilt sind. Dann wäre die Frage auch bei realen Daten leichter zu beantworten. Zum Beispiel etwas in der Art, dass wir den Gauß nehmen, für den die Summe der Moduli der Abweichungen der Dezile minimal ist, usw.
Oder ich verstehe die Frage überhaupt nicht.
Nun, die übliche lineare Annäherung durch MNC. Wir nehmen den Gauß, für den die Summe der Quadrate der Abweichungen minimal ist.
Die Frage ist, dass im Zentrum der Verteilung der Wert der Abweichungen etwa in der Größenordnung von 0,1 liegen wird. Und bei den Schwänzen, sagen wir mal, in der Größenordnung von 0,01.
D.h. die Anpassung erfolgt meist an Punkten aus der Mitte der Verteilung.
Und ich bin der Meinung, dass alle Punkte gleichermaßen berücksichtigt werden sollten.
Dazu kann man entweder eine logarithmische Skala auf der vertikalen Achse nehmen, oder statt Abweichung-Differenzen Abweichung-Teil nehmen, d.h. eine Verteilung durch eine andere teilen, und dann schon annähern.
Nun, die übliche lineare Annäherung durch ANC. Wir nehmen den Gauß, für den die Summe der Quadrate der Abweichungen minimal ist.
Die Frage ist, dass im Zentrum der Verteilung der Wert der Abweichungen z.B. in der Größenordnung von 0,1 liegen wird. Und bei den Schwänzen, sagen wir mal, in der Größenordnung von 0,01.
D.h. die Anpassung erfolgt meist an Punkten aus der Mitte der Verteilung.
Und ich bin der Meinung, dass alle Punkte gleichermaßen berücksichtigt werden sollten.
Dazu kann man entweder eine logarithmische Skala auf der vertikalen Achse nehmen, oder man nimmt die partielle Abweichung statt der Abweichungsdifferenzen, d.h. man teilt eine Verteilung durch eine andere, und dann schon annähernd...
Gibt es einen Grund, warum die "Beteiligung" von Punkten, die selten vorkommen, dennoch die gleiche sein sollte wie die von Punkten in der Nähe des Medians (Zentrum), die viel häufiger vorkommen? Warum eine solche Rollenverstärkung bei der Annäherung? Würde es nicht heißen, dass "der Schwanz mit dem Hund wedelt"?
Tatsächlich gibt es MNCs mit Gewichten, um die Rolle der verschiedenen Punkte zu kontrollieren. Legen Sie sie beispielsweise als Werte fest, die umgekehrt zur Wahrscheinlichkeitsdichtefunktion der Normalverteilung sind, und das war's. Das Wichtigste ist, dass die Summe der Gewichte gleich 1 bleibt. Übrigens, was ist eine "lineare Annäherung durch MNC", wenn nicht eine geradlinige Annäherung?
Gibt es einen Grund, warum die "Beteiligung" von Punkten, die selten vorkommen, dennoch die gleiche sein sollte wie die von Punkten in der Nähe des Medians (Zentrum), die viel häufiger vorkommen? Warum eine solche Stärkung der Rolle bei der Angleichung? Würde es nicht heißen, dass "der Schwanz mit dem Hund wedelt"?
Tatsächlich gibt es MNCs mit Gewichten, um die Rolle der verschiedenen Punkte zu kontrollieren. Legen Sie sie beispielsweise als Werte fest, die umgekehrt zur Wahrscheinlichkeitsdichtefunktion der Normalverteilung sind, und das war's. Das Wichtigste ist, dass die Summe der Gewichte gleich 1 bleibt. Übrigens, was ist ein "linearer" multinationaler Konzern?
1. Natürlich gibt es das. Schließlich sind die Schwänze von großer Tragweite. Angewandt auf den Markt - seltene, aber große Verluste. Das ist keine Rollenverstärkung, sondern ein Ausgleich für die fehlende Rolle, was dazu führt, dass allen Punkten die gleiche Rolle zugewiesen wird.
2. Über MNC mit Gewichten weiß ich Bescheid. Das Problem ist nicht die Angleichungstechnik, sondern ihre Ideologie.
3. Wenn eine lineare Beziehung zwischen Größen angenommen wird.
1. Natürlich gibt es die. Es gibt ja auch große Schwänze. Angewandt auf den Markt, seltene, aber große Verluste.
2. Ich weiß über MNC mit Gewichten Bescheid. Das Problem liegt nicht in der Angleichungstechnik, sondern in ihrer Ideologie.
3. Wenn eine lineare Beziehung zwischen den Werten angenommen wird.
(1) Es handelt sich nicht mehr um einen probabilistischen Ansatz. Die Schwänze der Wahrscheinlichkeitsverteilung stehen für kleine, seltene Fälle, während die großen, signifikanten Fälle eine eigene Verteilung haben, die zu den Rändern hin schnell abnimmt.
2. Die Frage lautete: "Übrigens, Alexej und Wladimir, sagt es mir. Angenommen, wir wollen einige Daten durch die Normalverteilung approximieren. DieSchwänze und die Mitte der Verteilung sollten bei der Approximation das gleiche Gewicht haben, nehme ich an?"
Die Antwort ist nein. Wenn wir das Problem mit probabilistischen Methoden modellieren, dann sind natürlich die Ereignisse, die häufiger auftreten als andere, wichtiger, d.h. wahrscheinlicher. Dies ist ideologisch bedingt.
3. lineare Kausalität, meinen Sie? Ist es für die ISC von Bedeutung, welche Art von Beziehung besteht?
Nun, die übliche lineare Annäherung durch ANC. Wir nehmen den Gauß, für den die Summe der Quadrate der Abweichungen minimal ist.
Die Frage ist, dass im Zentrum der Verteilung der Wert der Abweichungen z.B. in der Größenordnung von 0,1 liegen wird. Und bei den Schwänzen, sagen wir mal, in der Größenordnung von 0,01.
D.h. die Anpassung erfolgt meist an Punkten aus der Mitte der Verteilung.
Und ich bin der Meinung, dass alle Punkte gleichermaßen berücksichtigt werden sollten.
Dazu kann man entweder eine logarithmische Skala auf der vertikalen Achse nehmen oder statt Abweichung-Differenzen Abweichung-Teil nehmen, d.h. eine Verteilung durch eine andere dividieren und dann schon annähern.
Er erinnert ein wenig an den Pearson-Test für die Anpassungsgüte (Chi-Quadrat). Werfen Sie einen Blick auf Kobzar in Kapitel drei. Ein klares Verständnis des Unterschieds zwischen der einfachen Nullhypothese und der komplexen Hypothese ist nur dann erforderlich, wenn die Verteilungsparameter unbekannt sind und anhand der Stichprobe geschätzt werden (z. B. durch Minimierung der Chi-Quadrat-Statistik).
(1) Es handelt sich nicht mehr um einen probabilistischen Ansatz. Die Schwänze der Wahrscheinlichkeitsverteilung beziehen sich auf kleine, seltene Fälle, und die großen, signifikanten Fälle haben ihre eigene Verteilung, die zu den Rändern hin schnell abnimmt.
2. Die Frage lautete: "Übrigens, Alexej, und Wladimir, sagt mir. Angenommen, wir wollen einige Daten durch die Normalverteilung approximieren. DieSchwänze und die Mitte der Verteilung sollten bei der Approximation das gleiche Gewicht haben, nehme ich an? "
Die Antwort ist nein. Wenn wir das Problem mit probabilistischen Methoden modellieren, dann sind natürlich die Ereignisse, die häufiger auftreten als andere, wichtiger, d.h. wahrscheinlicher. Das ist ideologisch.
3. lineare Kausalität, meinen Sie? Ist es für die ISC von Bedeutung, welche Art von Beziehung besteht?
1. Sie sind NICHT unbedeutend. Ein einziger solcher "kleiner" Fall könnte den Verlust der gesamten Einnahmen aus den "großen" Fällen zur Folge haben.
3. eine lineare Korrelationsbeziehung. MNC alle die gleiche, lineare Ich nannte Angleichung, nicht MNC.
Erinnert ein wenig an den Pearson-Test für die Anpassungsgüte (Chi-Quadrat). Siehe Kobzar in Kapitel 3. Es ist nur notwendig, den Unterschied zwischen der einfachen Nullhypothese und der komplexen Hypothese zu verstehen, wenn die Verteilungsparameter unbekannt sind und aus der Stichprobe geschätzt werden (zum Beispiel durch Minimierung der Chi-Quadrat-Statistik).
Nun, es gibt keine Aufgabe, Verteilungsparameter zu schätzen)