¿Por qué la distribución normal no es normal? - página 46

Nuevo comentario
 
Urain:

He escuchado muchas veces sobre las colas gruesas de la distribución, pero no entiendo cuál es el punto, hice un indicador que muestra la distribución del tamaño de la barra (basado en la diferencia Close[i]-Close[i+1]) en separadas, ¿puede alguien explicar por qué la distribución es más estrecha que la normal?

El punto de referencia es la línea roja de distribución del histograma amarillo.

y el indicador que se utilizó para construirlo. Título original (Distribution_Histogram_&_norm_test)


¿Se puede modificar para que se ajuste a la diferencia de +/- Close?

Y realmente, los parámetros de la distribución normal deben ser calculados en base al histograma. ¿Y entonces sólo ajustaste la altura? )

 
TVA_11:


¿Puede hacer una modificación para tener en cuenta la diferencia +/- Close?

Y realmente, los parámetros de una distribución normal deben calcularse a partir del histograma. ¿Y entonces sólo ajustaste la altura? )

Si te refieres a la distribución de barras + y - por separado, entonces se hace así en el indicador. Para la distribución relativa no importa, pero para la absoluta es un problema, tengo que cambiar el código y desplazar el buffer del indicador hacia atrás para compensar el desplazamiento anterior (el desplazamiento original no se puede eliminar ya que los índices del array no pueden ser negativos).
 
Urain:
Si te refieres a las barras + y a las barras - por separado, así se hace en el indicador. Como la MO tiende a cero, es lógico que se muestre la distribución de -libre a +libre, pero la visualización de -libre no es conveniente, por lo que la desplazamos hacia la izquierda para que la parte significativa de la distribución - vaya a la zona mayor que cero. No importa para la distribución relativa, pero es un problema para la distribución absoluta, tengo que cambiar el código y añadir el desplazamiento del buffer del indicador hacia atrás para compensar el desplazamiento anterior (el desplazamiento inicial no se puede eliminar ya que los índices del array no pueden ser negativos).

En mi indicador no existe ese problema: no es necesario desplazar las barras. Los histogramas siempre estarán al final del gráfico en cualquier valor desde -infinito hasta +infinito.

Por cierto, he corregido el indicador. Tanto el tamaño de las barras como los desplazamientos se transformaron con los mismos parámetros. Ahora es correcto - por los parámetros individuales como en la configuración del indicador.


¿Alguna sugerencia sobre mi pregunta, señores matemáticos?

Archivos adjuntos:
distributiontransform_1.mq5  14 kb
 

joo:

Mi indicador no tiene este problema - no hay necesidad de mover las barras

...

¿Alguna sugerencia sobre mi pregunta, señores de las matemáticas?

Hasta un tonto puede mover barras. ¿Dónde está el dinero?
 
Reshetov:
Hasta un tonto puede mover barras. ¿Dónde está el dinero?
¿Necesitas que te paguen para ayudarme?
 

joo, experimenté con este enfoque (sólo que utilicé una tangente hiperbólica en lugar de una sigmoidea).

No salió nada interesante.

 
lea:

joo, he experimentado con este enfoque (sólo que he utilizado una tangente hiperbólica en lugar de una sigmoidea).

No salió nada interesante.

¿Seguro que sabes por qué lo necesito? Si sabes cómo "enderezar" la distribución, ayúdame. ¿Cómo es la tangente hiperbólica (que, por cierto, tiene 4 veces el grado, mientras que la sigmoide tiene una, lo que es más preferible en términos de ahorro de recursos del sistema) mejor que la sigmoide?
 
joo:
¿Seguro que sabes por qué lo necesito? Si sabes cómo "enderezar" la distribución, ayúdame. ¿Cómo la tangente hiperbólica (que, por cierto, tiene 4 veces su grado, y en sigmoide una vez, que es más preferible en términos de recursos del sistema) es mejor que sigmoide?

Casi no hay diferencia si el límite es de -1 a 1, y la tangente es más lenta si el límite es de 0 a 1.

double sigma(double d)// от 0 до 1
{return( 1.0/(1.0+MathExp(-d)) );}

double tanh(double d)// от -1 до 1
{ double D=MathExp(-d); return( (1.0-D)/(1.0+D) );}

Por lo tanto, si se convierte la hipertangente en la forma [0;1] entonces son dos operaciones adicionales *0,5 y +1,

Las mismas dos operaciones *2 y -1 se requieren para sigma al convertirlo a la forma [-1;1].


sigma tiene 3 operaciones una hipertangente tiene 5, por lo que si añades una de las 2 operaciones a una de las funciones obtienes 5;5 o 3;7

 
joo:
Si sabes cómo "enderezar" la distribución, ayúdame. ¿Cómo es la tangente hiperbólica (por cierto, tiene 4 veces la potencia, mientras que en sigmoide una vez, que es más preferible en términos de ahorro de recursos del sistema) mejor que sigmoide?

Mi tarea implicaba el procesamiento de ventanas deslizantes (es decir, había dos parámetros: la longitud de la ventana y el coeficiente en el argumento tanh). Si esto es adecuado para su tarea, puedo enviarle un fragmento de código.

Utilicé tanh, porque era más conveniente para mí (necesitaba series de resultados con media cero). En general, se pueden utilizar tablas para calcular dichas funciones.

 
lea:

Si se adapta a sus necesidades, puedo enviarle un fragmento de código.

Sí.
1...394041424344454647
Nuevo comentario