Le modèle de régression de Sultonov (SRM) - qui prétend être un modèle mathématique du marché. - page 42

 
orb:
La densité n'est-elle pas limitée à 0 ou 1 ?

La densité ne l'est pas.
 
orb:
La densité n'est-elle pas limitée à 0 ou 1 ?
Bien sûr, elle est bornée par un, mais ici : P=1+tHammasp(t/t;n;1;0), où tHammasp(t/t;n;1;0) est la fonction de densité de distribution, variant de 0 à 1. Voir la formule (7) de l'article.
 
yosuf:

Oui, j'ai dû en faire trop avec les zéros...

dans toute régression voir equi voler dans le ciel est un talent...l'essentiel est d'y croire...))
 
anonymous:

Densité - non.
disons au revoir !) ignorant.
 
orb:
au revoir !) ignorant.


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - la densité de la distribution normale.

Vous, professeur, trouverez surprenant que f(0, 0, 0.01)=39.89.

 
yosuf:
Bien sûr, elle est bornée par un, mais ici : P=1+tHammasp(t/t;n;1;0), où tHammasp(t/t;n;1;0) est la fonction de densité de distribution, variant de 0 à 1. Voir la formule (7) de l'article.

Hors de l'occupation, l'unité est délimitée par l'intégrale non invariante de la densité de -inf à x.
 
anonymous:


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - est la densité de la distribution normale.

Vous, professeur, trouverez surprenant que f(0, 0, 0.01)=39.89.

Je vais vérifier, et en général vous avez tort, parce que 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue, respectivement, vous devez introduire une densité généralisée, parce que la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète de 0, les autres valeurs continues !

 
orb:

et en général, vous vous trompez, car 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue,

f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].

Par conséquent, nous devons introduire une densité généralisée,

nécessairement :D

puisque la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète 0, les autres valeurs continues !

Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?

 
anonymous:

f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].

Absolument :D

Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?

Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?

sigma=0.01 est-il la racine de l'estimation de la variance ?

pouvez-vous, modéliser une telle série ?)) afin que les estimations ne soient pas prises dans votre tête.

 
orb:

Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?

sigma=0.01 est-il la racine de l'estimation de la variance ?

pouvez-vous, modéliser une telle série ?)) pour que les estimations ne soient pas prises dans votre tête.


Ce ne sont pas des estimations, mais les paramètres exacts de la distribution - espérance et écart-type, professeur :D

Bien sûr, je peux modéliser une telle série. Bien que ce soit complètement inutile ici, car votre hérésie avec Yusuf est réfutée par la seule analyse de la fonction de distribution théorique.

> x <- rnorm(100, 0, 0.01)
> x
  [1]  1.619572 e-02  6.798108 e-05 -3.627928 e-03  5.241613 e-03  1.273511 e-02  1.575794 e-03  7.716432 e-03  2.047810 e-03
  [9]  7.551535 e-03  2.707827 e-03 -1.783785 e-02  4.513436 e-03 -4.031291 e-03 -1.058043 e-02  1.421831 e-04 -6.639672 e-03
 [17] -1.434773 e-02 -4.618057 e-03 -1.411381 e-02 -1.459423 e-02 -7.465568 e-03 -7.713061 e-03  3.016197 e-02 -4.193879 e-03
 [25]  8.984821 e-03  7.578804 e-03 -1.256003 e-02  1.374785 e-02  1.239761 e-03 -1.547361 e-02 -1.735638 e-02 -6.853623 e-03
 [33]  5.278165 e-03 -1.917603 e-03 -3.507008 e-03  3.709349 e-03 -2.094672 e-04 -2.224821 e-03 -3.501819 e-03 -3.312482 e-03
 [41]  9.050138 e-03 -1.517038 e-03 -2.481432 e-04  1.132736 e-03  2.664056 e-03  2.146325 e-03 -1.762083 e-02 -8.993990 e-03
 [49]  8.303284 e-03 -5.353900 e-03 -2.845936 e-02 -1.556778 e-02  6.326411 e-04 -1.982076 e-02 -2.460851 e-03 -9.028795 e-03
 [57]  1.233104 e-02 -6.179724 e-03  1.614575 e-02 -9.239795 e-03  1.350007 e-02 -7.019569 e-03  1.463546 e-02  9.611378 e-03
 [65]  1.403177 e-02 -2.875648 e-03 -3.541369 e-03  9.854737 e-03  2.134445 e-03  3.010908 e-03 -9.468081 e-03  5.583229 e-03
 [73] -4.736917 e-03 -2.052099 e-03 -1.371189 e-02 -1.530808 e-03  8.776596 e-03 -1.272746 e-02  9.583266 e-03 -1.944051 e-02
 [81] -2.341326 e-03  4.766029 e-03 -7.953369 e-03  1.773432 e-02  8.939169 e-03  8.789134 e-03 -5.713990 e-03  4.144645 e-03
 [89]  6.384486 e-03  8.868000 e-03 -1.181570 e-02  4.893533 e-03 -3.452248 e-03 -1.525700 e-03  2.135513 e-02  1.633766 e-02
 [97] -6.266012 e-03 -5.332083 e-03  2.446737 e-02 -1.470896 e-02
> mean(x)
[1] -0.0003638158
> sd(x)
[1] 0.01055043