Berechnen Sie die Wahrscheinlichkeit einer Umkehrung - Seite 6
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
Es ist also eine Glättung.
)
Es ist eine Annäherung an die Gaußsche Mischung...
)
Es ist eine Annäherung an die Gaußsche Mischung...
Die Angleichung durch Mischung ist etwas anders.
)
Es ist eine Annäherung durch eine Mischung von Gaussianern...
Nun, mich interessiert das Endergebnis, nicht die einzelnen Gaußschen Werte.
Dann müssen Sie Kobzars "Angewandte Statistik" finden und sich das zweite Kapitel dort ansehen).
Gesucht, aber selbst ein Wort wie "Annäherung" nicht gefunden)
Im Allgemeinen ist es seltsam. Es gibt eine Million komplizierter Möglichkeiten der Schätzung. Bis auf eine, die klarste, einfachste und genaueste - Annäherung.
Vielleicht verstehe ich etwas nicht?
Ich habe es nachgeschlagen, aber nicht einmal das Wort "Annäherung" gefunden).
Es ist seltsam. Es gibt eine Million cleverer Möglichkeiten der Einschätzung. Bis auf eine, die die klarste, einfachste und genaueste ist - die Annäherung.
Vielleicht verstehe ich etwas nicht?
Es ist möglich, eine enorme Anzahl von verschiedenen Schätzungen vorzunehmen. Sie müssen dann nur noch ihre Kohärenz und zumindest ihre Unvoreingenommenheit feststellen. Dies gilt nicht für alle "präzisen, einfachen und geradlinigen" Schätzer, ein typisches Beispiel ist der Nenner n-1 in einem unverzerrten Varianzschätzer.
Wenn die bestehende Schätzung auch effizient und ausreichend ist, dann ist die Erfindung neuer Schätzungen entweder überhaupt nicht sinnvoll oder muss eine zusätzliche Grundlage haben. In der Regel handelt es sich dabei um Robustheitsüberlegungen, die sich mit kleinen Stichproben, Ausreißern, fehlenden Werten usw. befassen.
Gemeint ist nicht eine Zeitreihe, sondern ein Histogramm, das der Norm nahe kommt.
Wie sehr man sich hier in probabilistische Ansätze vertieft und dabei sogar vergisst, dass ein Histogramm nur "eine Art der grafischen Darstellung von Tabellendaten" (Wiki) ist, was nichts über seinen Inhalt aussagt. Soweit ich das beurteilen kann, geht es um eine Tabelle mit relativen (im Verhältnis zu ihrer Gesamtsumme) Stichprobenhäufigkeiten Hi eines Ereignisses x>xi, das vermutlich einer normalen Wahrscheinlichkeitsverteilung entspricht. Und über die Ersetzung durch Werte der Normalverteilungswahrscheinlichkeiten, so dass der Fehler in gewissem Sinne minimal ist. Was gefällt Ihnen nicht an den Formeln zur direkten Berechnung dieser Parameter, des Erwartungswerts und der Varianz gemäß ihrer Definition?
Wenn xi in der Tabelle äquidistant sind, dann:
- Erwartung wird einfach als arithmetisches Mittel aller Realisierungen = gewichteter Durchschnitt der Tabellenwerte mit Gewichten gleich Íi aus dieser Tabelle angepasst;
- Streuung - als Quadratwurzel der Standardabweichung (die Gewichte sind die gleichen Hi), oder, wenn Sie eine größere Genauigkeit der Schätzung wünschen, nicht die Standardabweichung, sondern die Standardabweichung (der einzige Unterschied ist, ob durch n oder durch n-1 geteilt wird). Die Schätzung der Standardabweichung ist unverzerrt.
...
Hier sehen Sie auf der x-Achse, wie viele Schritte sich die Person vom Ausgangspunkt entfernt hat, von -10 (links) bis +10 (rechts), und die prozentuale Wahrscheinlichkeit, mit der sie dies getan hat. Wie finden Sie heraus, wie hoch die Wahrscheinlichkeit ist, dass Sie bei jedem Schritt umkehren?
Ihr Beispiel ist höchstwahrscheinlich das Ergebnis einer Simulation des altehrwürdigen Galton-Bretts mit Reflektoren.
Auf jeden Fall ist es sehr ähnlich.
ist mit 10 % sehr plausibel
Iterationen (d. h. ein Brett vom Typ "Haus") für eine Markov-Kette mit Übergangswahrscheinlichkeitsmatrix -
0.75 0.25 0 0 ... 0
0.25 0.5 0.25 0 ... 0
...
0 ... 0.25 0.5 0.25
0 ... 0 0.25 0.75
Ausgangszustand 0 0 0 0 0 1000 0 0 0 0 0. d.h. von relativ Null)
Was ist Ihr Problem mit den Formeln zur direkten Berechnung dieser Parameter, dem Erwartungswert und der Varianz ihrer Definition?
Sie weisen zum Beispiel keine fetten Schwänze auf.
Sie weisen zum Beispiel keine fetten Schwänze auf. Und die darauf basierenden Gauß'schen Werte werden wahrscheinlich weder in der Mitte noch im hinteren Bereich mit den Daten konvergieren.
Dennoch liegt der wesentliche Unterschied nur in den äußersten Bunkern. Wie ich bereits sagte, liegt das an den reflektierenden Wänden).
Sie weisen zum Beispiel keinen dicken Schwanz auf.
Es ist nicht die Art und Weise, wie die Parameter einer Normalverteilung geschätzt werden (Anpassung, Annäherung), die dies zeigt. Es ist die Normalverteilung selbst, die keine dicken Schwänze hat. Fragen Sie Alexander_K2, er hat nach diesen Schwänzen gesucht. Sehen Sie sich einfach die Tabelle mit den Parametern der Einheiten an. Ich glaube, in jedem Fernsehlehrbuch und in jedem Mathe-Nachschlagewerk gibt es Tabellen. Unabhängig davon, wie Sie die Anpassung vornehmen, müssen Sie die Variantenverteilung ändern, um die fetten Schwänze zu erfassen. Und warum brauchen Sie eine Verteilung der Art genau? Genau die Wahrscheinlichkeitsverteilung? Warum diese Stempel für "einige Daten"? Oder handelt es sich gar nicht um Daten, sondern um relative Häufigkeiten von Stichproben, wie ich vermutet habe?
Vielleicht geht es darum, dass die probabilistische Darstellung Ihre Daten überhaupt nicht beschreibt? Erinnern Sie sich, wie die Erwartung auf den Bildern von Yuriy Asaulenko https://www.mql5.com/ru/forum/221552/page162#comment_6399653 auf Devisenkursen tanzt. Wollen Sie für sie nicht die probabilistische Darstellung verwenden? Dann ist klar, woher die schweren Schwänze kommen.