Calculez la probabilité d'inversion - page 8
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
OK, prenons alors une densité de distribution de Cauchy ou de Laplace.
Je ne suis pas intéressé par la distribution de Cauchy ou de Laplace, et je n'ai pas l'intention de la définir)
Et je n'ai pas besoin de paramètres gaussiens. La question est différente.
... A quel point il est proche de la gaussienne, où il s'en écarte et de combien ...
Je voulais juste comprendre comment vous répondriez à cette question dans le cas hypothétique où l'on sait que les données sont distribuées exactement selon la distribution standard de Cauchy. Il serait alors plus facile d'y répondre dans le cas de données réelles également. Par exemple, quelque chose du type : on prend la gaussienne pour laquelle la somme des modules des écarts des déciles est minimale, etc.
Ou je ne comprends pas du tout la question.
Je voulais juste voir comment vous répondriez à cette question dans le cas hypothétique où l'on sait avec certitude que les données sont distribuées exactement selon la distribution standard de Cauchy. Il serait alors plus facile d'y répondre dans le cas de données réelles également. Par exemple, quelque chose du type : on prend la gaussienne pour laquelle la somme des modules des écarts des déciles est minimale, etc.
Ou je ne comprends pas du tout la question.
Alexey, comment l'analogie de la distribution de Cauchy peut-elle être appliquée en pratique ?
Post-scriptum intéressant, il n'a pas été transmis.
Je voulais juste voir comment vous répondriez à cette question dans le cas hypothétique où vous savez avec certitude que les données sont distribuées exactement selon la distribution standard de Cauchy. Il serait alors plus facile d'y répondre dans le cas de données réelles également. Par exemple, quelque chose du type : on prend la gaussienne pour laquelle la somme des modules des écarts des déciles est minimale, etc.
Ou je ne comprends pas du tout la question.
Eh bien, l'approximation linéaire habituelle de MNC. On prend la gaussienne pour laquelle la somme des carrés des déviations est minimale.
La question est que, au centre de la distribution, la valeur des écarts sera, disons, de l'ordre de 0,1. Et sur les queues, disons, de l'ordre de 0,01.
C'est-à-dire que l'ajustement se produira principalement à des points du centre de la distribution.
Et il me semble que tous les points devraient participer de manière égale.
Pour cela, vous pouvez soit prendre une échelle logarithmique sur l'axe vertical, soit, au lieu de déviation-différences, prendre déviation-partielle, c'est-à-dire diviser une distribution par une autre, puis déjà approcher.
Eh bien, l'approximation linéaire habituelle par ANC. On prend la gaussienne pour laquelle la somme des carrés des déviations est minimale.
La question est que, au centre de la distribution, la valeur des écarts sera, disons, de l'ordre de 0,1. Et sur les queues, disons, de l'ordre de 0,01.
C'est-à-dire que l'ajustement se produira principalement à des points du centre de la distribution.
Et il me semble que tous les points devraient participer de manière égale.
Pour ce faire, vous pouvez soit prendre une échelle logarithmique sur l'axe vertical, soit prendre la déviation-partielle au lieu de la déviation-différences, c'est-à-dire diviser une distribution par une autre, puis déjà approximer...
Y a-t-il une raison pour que la "participation" des points qui se produisent rarement soit néanmoins la même que celle des points proches de la médiane (centre) qui se produisent beaucoup plus fréquemment ? Pourquoi une telle amplification du rôle dans l'approximation ? Ne dirait-on pas que "la queue remue le chien" ?
En fait, il y a des multinationales avec des poids pour contrôler le rôle des différents points. Par exemple, définissez-les comme des valeurs inverses à la fonction de densité de probabilité de la distribution normale et c'est tout. L'essentiel est de maintenir la somme des poids à 1. D'ailleurs, qu'est-ce qu'une "approximation linéaire par MNC" si ce n'est une approximation en ligne droite ?
Y a-t-il une raison pour que la "participation" des points qui se produisent rarement soit néanmoins la même que celle des points proches de la médiane (centre) qui se produisent beaucoup plus fréquemment ? Pourquoi un tel renforcement du rôle dans l'approximation ? Ne dirait-on pas que "c'est la queue qui remue le chien" ?
En fait, il y a des multinationales avec des poids pour contrôler le rôle des différents points. Par exemple, définissez-les comme des valeurs inverses à la fonction de densité de probabilité de la distribution normale et c'est tout. L'essentiel est de maintenir la somme des poids à 1. Au fait, qu'est-ce qu'un MNC "linéaire" ?
1. Bien sûr qu'il y en a. Les queues sont d'une grande magnitude, après tout. Appliqué au marché - pertes rares mais importantes. Il ne s'agit pas d'un renforcement des rôles, mais d'une compensation pour l'absence de rôle, ce qui aboutit à donner des rôles égaux à tous les points.
2. A propos de MNC avec des poids que je connais. Le problème n'est pas la technique d'approximation, mais son idéologie.
3. Lorsqu'on suppose une relation linéaire entre des quantités.
1. Bien sûr qu'il y en a. Il y a de grandes queues, après tout. Appliqué au marché, des pertes rares mais importantes.
2. Je connais le MNC avec des poids. La question n'est pas dans la technique d'approximation, mais dans son idéologie.
3. Lorsqu'on suppose une relation linéaire entre les valeurs.
1. il ne s'agit plus d'une approche probabiliste. Les queues de la distribution de probabilité désignent des cas petits et rares, tandis que les cas principaux et significatifs ont leur propre distribution, qui décroît rapidement vers les bords.
2. La question était : "Au fait, Alexey, et Vladimir, dites-moi. Supposons que nous voulions approximer certaines données par une distribution normale. Lesqueues et le milieu de la distribution devraient avoir le même poids dans l'approximation, je suppose ?"
La réponse est non. Si nous modélisons le problème à l'aide de méthodes probabilistes, il est évident que les événements qui se produisent plus souvent que les autres sont plus importants, c'est-à-dire plus probables. C'est idéologique.
3. Une causalité linéaire, vous voulez dire ? Le CSI se préoccupe-t-il du type de relation qui existe ?
Eh bien, l'approximation linéaire habituelle par ANC. On prend la gaussienne pour laquelle la somme des carrés des déviations est minimale.
La question est que, au centre de la distribution, la valeur des écarts sera, disons, de l'ordre de 0,1. Et sur les queues, disons, de l'ordre de 0,01.
C'est-à-dire que l'ajustement se produira principalement à des points du centre de la distribution.
Et il me semble que tous les points devraient participer de manière égale.
Pour ce faire, on peut soit prendre une échelle logarithmique sur l'axe vertical, soit au lieu de déviation-différences prendre déviation-partielle, c'est-à-dire diviser une distribution par une autre, puis déjà l'approcher.
Il rappelle un peu le test d'adéquation de Pearson (chi-deux). Jetez un coup d'œil à Kobzar au chapitre 3. Il est seulement nécessaire de bien comprendre la différence entre l'hypothèse nulle simple et l'hypothèse complexe, lorsque les paramètres de distribution sont inconnus et sont estimés à partir de l'échantillon (par exemple, en minimisant la statistique du chi-deux).
1. il ne s'agit plus d'une approche probabiliste. Les queues de la distribution de probabilité correspondent à des cas petits et rares, tandis que les cas majeurs et significatifs ont leur propre distribution, qui décroît rapidement vers les bords.
2. La question était : "Au fait, Alexey, et Vladimir, dites-moi. Supposons que nous voulions approximer certaines données par une distribution normale. Lesqueues et le milieu de la distribution devraient avoir le même poids dans l'approximation, je suppose ? "
La réponse est non. Si nous modélisons le problème à l'aide de méthodes probabilistes, il est évident que les événements qui se produisent plus souvent que les autres sont plus importants, c'est-à-dire plus probables. C'est idéologique.
3. Une causalité linéaire, vous voulez dire ? Le CSI se soucie-t-il du type de relation qui existe ?
1. ils ne sont PAS insignifiants. Un seul de ces cas "mineurs" pourrait entraîner la perte de tout ce qui a été gagné par les cas "majeurs".
3. une relation de corrélation linéaire. MNC tout de même, linéaire j'ai appelé approximation, pas MNC.
Cela rappelle un peu le test d'adéquation de Pearson (chi-deux). Voir Kobzar au chapitre 3. Il est seulement nécessaire de bien comprendre la différence entre le cas simple de l'hypothèse nulle et le cas complexe, lorsque les paramètres de distribution sont inconnus et sont estimés à partir de l'échantillon (par exemple, en minimisant la statistique du chi-deux).
Eh bien, il n'y a pas de tâche pour estimer les paramètres de distribution)