El fenómeno de San Petersburgo. Las paradojas de la teoría de la probabilidad. - página 14
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
He echado un vistazo. Ni siquiera pude subir un archivo desde mi ordenador).
En realidad, Jupiter está en Anaconda, pero spyder es más interesante y tiene más características, en términos de entorno de desarrollo.
Todos los archivos están en el google drive, lo que significa que su equipo no tiene todos estos caca
Primero tengo que conectarme a la máquina virtual y luego arrancar.
Realmente no lo necesito.
Dímelo a mí))
No lo sé) Está claro que se puede construir por aproximación, por el método de Monte Carlo. Es necesario generar una gran cantidad de piezas de SB y en cada uno de ellos para calcular su Hearst - se obtiene una gran muestra, que le permitirá construir alguna aproximación, sobre la que no está claro lo bueno que es.
Por ello, los estadísticos (científicos) prefieren trabajar con aquellos estadísticos (funciones de muestreo) cuya distribución para la hipótesis nula (en nuestro caso: realización de los precios - SB) se conoce de forma analítica.
A juzgar por la descripción, lo hay, y mucho, y no sólo en Python.
La cuestión aquí ni siquiera es... ¿hay algo más como...?, pero ¿qué se necesita exactamente? ¿Qué falta? Uno elige a partir de esto, no de algo exótico en algún lugar.
Me doy cuenta de que no estoy discutiendo el fenómeno de San Petersburgo, así que está fuera de tema.
Python, no python... Esta es la cuestión... ¿O no es una tesis y simplemente no entendemos lo que queremos?
En primer lugar, el objetivo,
Después, los objetivos,
Luego, la caja de herramientas.
¿No...?
No lo sé) Está claro que se puede aproximar por el método de Montecarlo. Hay que generar un montón de piezas de SB y calcular su Hearst en cada una de ellas - se obtiene una gran muestra, lo que le da la oportunidad de construir alguna aproximación, que no está claro cómo de buena es.
Por ello, los estadísticos (científicos) prefieren trabajar con aquellos estadísticos (funciones muestrales) cuya distribución para la hipótesis nula (en nuestro caso: realización de los precios - SB) se conoce analíticamente.
Hirst no es mío, estoy más cerca de Pastukhov con su volatilidad H.
Para ponerlo todo junto - no sucede así en absoluto).
De hecho, sí - abandoné SageMath por problemas con el dibujo de algunos diagramas en R. Aunque fue concebido exactamente para este propósito.
¿Qué hay del grupo de los poderosos?
Un grupo poderoso. (с)
Me doy cuenta de que no estoy discutiendo el fenómeno de San Petersburgo, así que está fuera de tema.
Python, no python... Esta es la cuestión... ¿O no es una tesis y simplemente no entendemos lo que queremos?
En primer lugar, el objetivo,
Después, los objetivos,
Luego, la caja de herramientas.
¿No...?
Sí, el objetivo es un dolor, y luego todo lo demás, no, tal vez debería ser así, la caja de herramientas debe estar a la mano, lo ves, pero... no puedes cogerlo, no hay pinzas.
Sí, el objetivo es una astilla, y luego todo lo demás, no, supongo que tiene que ser así, la caja de herramientas tiene que estar a mano, se ve, pero... no puedes cogerlo, no hay pinzas.
Pero hay un destornillador.
Sí, el objetivo es una astilla, y luego todo lo demás, no, supongo que debe ser así, el kit de herramientas debe estar a mano, lo ves, pero... no puedes cogerlo, no hay pinzas.
Así que quizás lo que realmente necesitas es un destornillador, no unas pinzas. En general, prefiero un martillo, ya que elimina todo tipo de cosas de la materia muy rápidamente. No puedo sacarlo con pinzas).
En general, los físicos prefieren dividirla primero en trozos pequeños y luego analizarla. Aceleramos una partícula hasta la masa del bulldozer y entonces la bola salpica en diferentes direcciones. Eso es lo que estudian.
Pero hay un destornillador.
Es un placer.