Régression bayésienne - Est-ce que quelqu'un a fait un EA en utilisant cet algorithme ? - page 37

 
Eh bien, oui. Fonction analytique( ?!)+Fonction aléatoire(normalement distribuée)=Processus de Wiener(marche aléatoire). On coud un EA ?
 
Алексей Тарабанов:
Eh bien, oui. Fonction analytique( ?!)+Fonction aléatoire(normalement distribuée)=Processus de Wiener(marche aléatoire). Allons-nous coudre un conseiller ?

Coupez. :)

Des plaintes concernant les boutons ?

 
Yuriy Asaulenko:

Coupez. :)

Des plaintes concernant les boutons ?

Ils seront cousus serrés.
 
Bang, bang, bang, bang !

Depuis Matemata, Prival et autres, c'est le premier fil où...

Je pleure :)

 
Event:
Bang, bang, bang, bang !

Depuis Matemata, Prival et autres, c'est le premier fil où...

Je pleure :)

Que diriez-vous d'un appel nominal ? Toutes les pièces de vie...
 
Алексей Тарабанов:
On fait l'appel ? Toutes les pièces de vie...
Oui, souvenons-nous de Mishek, aussi.
 
Event:
Oui, et on se souviendra de Mishek.
Pas de problème. J'aimerais voir Mathemat et Mishek.
 
СанСаныч Фоменко:

Il n'y a rien de tel sur le marché. Tous les chiffres R2 ci-dessus sont absurdes, car rien ne prouve que la parcelle sélectionnée pour le calcul fait partie de la population générale, qui a au moins la propriété de stationnarité. C'est pourquoi les chiffres ont été obtenus sur les parcelles ci-dessus, mais ils n'ont rien à voir avec l'avenir : ils peuvent coïncider, ils peuvent ne pas coïncider, ils peuvent coïncider 100 fois, et ensuite ils vendent le dépôt avec le bénéfice.

Je souscris à chaque mot. Quel est l'intérêt de construire la régression, si dans la section suivante les caractéristiques de cette régression seront complètement différentes. Vous pouvez modifier le modèle pour l'adapter aux données autant que vous le souhaitez, mais il est plus facile d'admettre que Y (prix) ne dépend pas de X (temps), du moins en termes de régression linéaire.
 
Vasiliy Sokolov:
Je suis d'accord avec chaque mot. Quel est l'intérêt de construire une régression si dans la section suivante, les caractéristiques de cette régression seront complètement différentes. Vous pouvez modifier le modèle pour l'adapter aux données autant que vous le souhaitez, mais il est plus facile d'admettre que Y (prix) ne dépend pas de X (temps), du moins en termes de régression linéaire.
Ce sont les graphiques auxquels nous devons penser - pour que les données soient similaires - nous devrions prendre un modèle, à mon avis, plutôt qu'une simple fenêtre de n barres.
 
Vasiliy Sokolov:
Je suis d'accord avec chaque mot. Quel est l'intérêt de construire une régression si dans la section suivante, les caractéristiques de cette régression seront complètement différentes. Vous pouvez modifier le modèle pour l'adapter aux données autant que vous le souhaitez, mais il est plus facile d'admettre que Y (prix) ne dépend pas de X (temps), du moins en termes de régression linéaire.
Eh bien, admettre n'importe quoi est certainement plus facile que de construire un modèle, de l'analyser et d'appliquer le test de Chow pour tester l'hypothèse d'hétérogénéité de l'échantillon......