De la teoría a la práctica - página 1457
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Por qué? ¿Qué lo impide en el caso de la dependencia incremental?
La función de distribución muestral se aproxima a la función de distribución real en virtud del teorema de Glivenko-Cantelli, que requiere que la muestra sea una realización de una secuencia de variables aleatorias independientes e igualmente distribuidas. A grandes rasgos, en el caso de una fuerte dependencia, la muestra puede agruparse en un punto, lo que distorsionaría enormemente la función de distribución empírica (de la muestra) resultante en comparación con la verdadera.
La función de distribución de la muestra se aproxima a la función de distribución real en virtud del teorema de Glivenko-Cantelli, que requiere que la muestra sea una realización de una secuencia de variables aleatorias independientes e igualmente distribuidas. A grandes rasgos, si hay una fuerte dependencia, la muestra puede agruparse en un punto, lo que distorsionaría mucho la función de distribución empírica (de muestreo) resultante en comparación con la verdadera.
leer.......
No creo que este teorema sea válido en Forex.
Porque, a medida que el tamaño de la muestra aumenta con el número de elementos tendiendo a infinito, la distribución real (en rojo) se desviará de la distribución teórica (en negro), sólo con probabilidad igual a 1
mientras que el teorema establece que coincidirá
cielo y tierra tipo ....
En cuanto a forex, significa que uno puede pipsip-sat con éxito en un mercado plano y perder pérdidas en una tendencia.
https://studfiles.net/preview/4287703/page:3/
leer.......
no creo que este teorema sea válido en forex
porque al aumentar el tamaño de la muestra con el número de elementos tendiendo a infinito, la distribución real (en rojo) se desviará de la distribución teórica (en negro), sólo que con probabilidad igual a 1
mientras que el teorema establece que coincidirá
cielo y tierra tipo ....
Y en términos de forex significa que haremos pips con éxito en el plano y perderemos dinero en la tendencia.
https://studfiles.net/preview/4287703/page:3/
No es el teorema lo que no se aplica, sino las condiciones para su aplicación exacta en grandes intervalos de tiempo:
1) Las ganancias son dependientes (por ejemplo, incrementos vecinos en el piso)
2) No se distribuyen por igual (no estacionariedad)
Puede utilizarse como aproximación, en pequeños intervalos de tiempo sin cambio de tendencia. Algo similar declaró Gorchakov. Y el problema de la decadencia es más o menos el mismo.
La función de distribución muestral se aproxima a la función de distribución real en virtud del teorema de Glivenko-Cantelli, que requiere que la muestra sea una realización de una secuencia de variables aleatorias independientes e igualmente distribuidas. A grandes rasgos, si hay una fuerte dependencia, la muestra puede aglomerarse en un punto, lo que distorsionaría mucho la función de distribución empírica (muestral) resultante en comparación con la verdadera.
No está muy claro por qué algunos matemáticos tienen que ser millonarios y otros no)
Pero, ¿qué pasa con las distribuciones condicionales? Después de todo, se trata de una dependencia.
Las distribuciones condicionales se basan en distribuciones conjuntas. Sólo en el caso de la independencia (por definición) la función de distribución conjunta es igual al producto de las funciones de distribución univariantes. En el caso de la dependencia es mucho más complicado - hace poco se sacó a colación aquí la cópula - esto es de ese orden de magnitud. Así que el teorema de G.-C. (que parece generalizado al caso multivariante) se aplica a la construcción aproximada de una distribución bidimensional a partir de la cual se puede intentar construir distribuciones condicionales unidimensionales.
Se exige a los matemáticos que describan las series financieras que sean millonarios)
Por lo que sé, la teoría de Shiryaev comenzó a desarrollarse por necesidades de radiolocalización, pero es poco probable que alguien le exigiera estar personalmente de guardia en el radar)
No es el teorema lo que no se cumple, sino las condiciones para su aplicación exacta en grandes intervalos de tiempo:
1) Los gradientes son dependientes (por ejemplo, gradientes vecinos en un piso)
2) Los gradientes no están distribuidos por igual (no estacionariedad)
Puede utilizarse como aproximación, en pequeños intervalos de tiempo sin cambio de tendencia. Algo similar declaró Gorchakov. Y el problema de la discontinuidad se trata de lo mismo.
no
vamos a leerlo bien.
Sea X 1 , ... , X n , ... - muestra infinita
¿Estabilidad de qué? Existe, por ejemplo, la estabilidad de la solución de un difusor de Lyapunov o, por ejemplo, la estabilidad estadística de la frecuencia de un evento (en el sentido de convergencia a su probabilidad).
no
leer con esmero
Sea X 1 , ... , X n , ... una muestra infinita
En realidad, un estadístico siempre trata con muestras finitas, por lo que siempre es sólo una aproximación al cumplimiento de este teorema. Pero a medida que aumenta el tamaño de la muestra, esta aproximación mejora, lo que se denomina consistencia de la estimación.
El artículo de la wiki rusa sobre el teorema de Glivenko-Cantelli es una tontería, lee la versión inglesa o algún libro de texto normal.