Risonanza stocastica - pagina 17

Nuovo commento
 

a Yurixx

Capisco, stavo parlando di una finestra scorrevole. Dopo l'ale di ieri non penso molto bene, ma secondo le prime approssimazioni il tipo di dipendenza analitica dalla lunghezza della finestra dovrebbe essere "quasi" lineare, ma piuttosto "quasi" esponenziale, grosso modo, decrescente dalla dimensione iniziale del campione, tra l'altro, e lo sappiamo o no.

Se riesco a mettere i piedi sul posto di lavoro, cercherò di pensare, anche se solo il cervello della mia spina dorsale è in funzione. :о)

PS: Se non è un segreto, perché ne hai bisogno?

a Candid

Yuri ha spiegato nel post successivo che si trattava di una finestra scorrevole.

 
Avals:


Allora non funzionerà:

Yurixx ha scritto (a):
No, è solo una finestra scorrevole di lunghezza M campioni. Quindi il numero di elementi nella sequenza Y è N-M+1.

Sì, allora anch'io non capisco tutto.
 
grasn:


a Candid

Yuri ha spiegato nel post successivo che la finestra scorrevole era in questione.

Sembra che mi sia appena perso quel post :(. Non riesco ancora a capire come correggere la dipendenza dei conteggi
 
lna01:
grasn:


a Candid

Yuri ha spiegato nel post successivo che stava parlando di una finestra scorrevole.

Credo di aver perso quel post :(. Non riesco ancora a capire come correggere la dipendenza dei conteggi

Perché abbiamo bisogno di aggiustare per la dipendenza dei campioni? Io farei qualcosa di più semplice: qualsiasi media "mastica via" dalla diffusione del campione di una certa percentuale, probabilmente si può stimare il valore di questa percentuale della lunghezza della finestra M per i campioni con le caratteristiche elencate da Yury - analiticamente o sperimentalmente. Non sto pensando bene in questo momento però...

 

Beh, sì, è vero, ma non ci sono limiti chiari. Se in un milione di campioni ci sono possibilità abbastanza reali di ottenere un risultato che differisce dall'aspettativa di 4 sigma o più (l'ipotesi normale dà probabilità 0,0000634, cioè l'aspettativa di tali campioni è di 63,4 casi), allora in cento campioni tali possibilità sono illusorie (m.o. il loro numero è 0,00634). Ma questo non significa che in un centinaio di campioni non si possa incontrare una deviazione del campione di più di 4 sigma. È solo estremamente improbabile.

Yurixx, questo problema di confine può essere posto solo in termini probabilistici.

P.S. Bene, per esempio: trovare tali valori Ymin e Ymax in cui Y cade con probabilità 0,99. È ragionevole supporre che entrambi gli estremi siano equidistanti dal modus operandi della popolazione generale.

 
Mathemat:

Beh, sì, è così, ma non ci sono limiti chiari. Se in un milione di campioni ci sono possibilità abbastanza reali di ottenere un risultato che differisce dall'aspettativa di 4 sigma o più (l'ipotesi normale dà probabilità 0,0000634, cioè l'aspettativa di tali campioni è di 63,4 casi), allora in cento campioni tali possibilità sono illusorie (m.o. il loro numero è 0,00634). Ma questo non significa che in un centinaio di campioni non si possa incontrare una deviazione del campione di più di 4 sigma. È solo estremamente improbabile.

Yurixx, questo problema di confine può essere posto solo in termini probabilistici.

Sì, penso che sia così che la mette - approssimativamente, non si possono davvero ottenere dati accurati. Ma sono curioso, perché un tale bisogno :o)))

 
grasn:

Perché tenere conto della dipendenza dei campioni? Io farei qualcosa di più semplice: qualsiasi media "mastica via" una certa percentuale dalla diffusione del campione, si può probabilmente stimare il valore di questa percentuale dalla lunghezza della finestra M sui campioni con le caratteristiche elencate da Yuri - analiticamente o sperimentalmente. Anche se non sto pensando chiaramente in questo momento...

Sperimentalmente è facile, io lo farei - ho il sospetto che stiamo parlando di variabili distribuite in modo non normale :), per loro anche con l'indipendenza la somma delle distribuzioni può avere una risposta molto meno bella e compatta. La dipendenza dà termini aggiuntivi quando si sommano variabili casuali, ma non riesco a capire quali siano questi termini per questo caso. In una parola, mi unisco alla tua domanda: se non è un segreto, perché ne abbiamo bisogno? :)
 
Yurixx, non pensi che le serie di prezzi (o serie di differenze) siano legate a una distribuzione normale di conteggi (cioè la serie di prezzi è un classico processo browniano)?
 
lna01:
grasn:

Perché tenere conto della dipendenza dei campioni? Io farei qualcosa di più semplice: ogni media "mastica via" una certa percentuale dalla diffusione del campione, si può probabilmente stimare il valore di questa percentuale dalla lunghezza della finestra M sui campioni con le caratteristiche elencate da Yuri - analiticamente o sperimentalmente. Anche se al momento non ho le idee chiare...

Sperimentalmente altrettanto semplice, lo farei - ho il sospetto che in realtà non stiamo parlando di quantità abbastanza normalmente distribuite :), per loro anche con indipendenza sommatoria di distribuzioni può avere molto meno bella e compatta risposta. La dipendenza dà termini aggiuntivi quando si sommano variabili casuali, ma non riesco a capire quali siano questi termini per questo caso. In una parola, mi unisco alla tua domanda: se non è un segreto, perché ne abbiamo bisogno? :)

Se consideriamo l'incremento di questa quantità, allora si osserva l'indipendenza.
 
Avals, se stiamo parlando specificamente dei rendimenti ( incrementi dei prezzi di chiusura), allora, ahimè, anche qui non c'è indipendenza: i rendimenti non sono distribuiti secondo la legge normale. Questo è ben descritto nei libri di Peters, ho dato il link nello stesso thread da qualche parte nelle prime pagine.
1...101112131415161718192021222324...38
Nuovo commento