Perché la distribuzione normale non è normale? - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Questo è il modello che sto ricevendo. EURUSD, M15, 20.000 barre
Il forte sospetto è che Urain abbia preso caratteristiche simili delle serie risultanti come parametri di input di aspettativa e varianza. Ma questo potrebbe non essere il caso.
Improbabile. Allora la parte centrale del grafico sarebbe vicina a un istogramma.
Improbabile. Allora la parte centrale del grafico sarebbe vicina all'istogramma.
Sì, allora anche le aree sotto la linea rossa e l'istogramma sarebbero gli stessi.
Stavo parlando di Erlang, ma non è questo il problema qui. La distribuzione normale ha 2 parametri - MO e varianza. In questo caso MO = 0, ma la varianza non è zero e per disegnare un grafico dobbiamo impostare il suo valore. Quindi chiedo: come ha fatto Urain a scegliere il valore della varianza?
In generale, per confrontare i grafici, devono essere in qualche modo ridotti a una base comune. A seconda della scelta di questa base, ci possono essere modelli completamente diversi.
Se prendiamo la varianza come base comune, il grafico sarà più stretto, ma appariranno code spesse.
Per la funzione di riferimento, la varianza e il MO sono presi da una serie di quotazioni (anch'esse calcolate lì) e impostate allo stesso valore, ma l'unica manipolazione è con i valori assoluti del benchmark, qui dobbiamo aggiungere ogni termine al coefficiente per combinare i vertici.
Per una funzione benchmark, la varianza e il MO sono presi da una serie di quotazioni (anch'esse calcolate lì) e impostate allo stesso valore, ma l'unica manipolazione è con i valori assoluti del benchmark, qui dobbiamo moltiplicare ogni termine per un coefficiente per abbinare i vertici.
Non è molto corretto, voglio dire moltiplicare per il coefficiente.
Per la funzione benchmark, la varianza e il MO sono presi dalla serie di quotazioni (anch'essi calcolati lì) e impostati allo stesso valore, solo le manipolazioni sono effettuate con i valori assoluti del benchmark, qui dobbiamo aggiungere ogni termine al coefficiente per combinare i vertici.
Probabilmente, la varianza per le serie non stazionarie non è del tutto corretta perché potrebbe non esistere :). È più corretto sceglierne uno in modo che la distribuzione analitica coincida al massimo con quella sperimentale. Cioè approssimarlo. imha.
Probabilmente la varianza per una serie non stazionaria non è del tutto corretta perché potrebbe non esistere :). È più corretto trovarne uno in modo che la distribuzione analitica coincida al massimo con quella sperimentale. imha
Questo non è molto corretto, nel senso di moltiplicare per un coefficiente.
Colleghi, cosa state facendo?
Un ricercatore avanza un'IPOTESI sulla NORMALITÀ del processo casuale in studio e modella la sua curva di probabilità o densità di probabilità sulla base dell'IPOTESI NORMALE.
L'ipotesi non è stata confermata. I grafici non corrispondono.
Questo è tutto.
Questo non è molto corretto, nel senso di moltiplicare per un fattore
Calcolo la funzione di riferimento usando questa formula:
quindi con x in diciamo 50 il valore assoluto non può essere solo qualche migliaio come nell'istogramma, quindi devi ancora regolare,
Affinché l'adattamento sia corretto, deve essere applicato a tutti i termini della curva, in modo che la curva abbia lo stesso aspetto (soprattutto su scala mobile).
Va bene, hai una bella curva!
Piscione.
(Grande striscione nel dormitorio del 5° anno di università: EVERYTHING is OK!)
Colleghi, cosa state facendo?
Un ricercatore ipotizza che un processo casuale in esame sia NORMALE e modella la sua probabilità o curva di densità di probabilità sulla base dell'ipotesi NORMALE.
L'ipotesi non è confermata. I grafici non corrispondono.
Questo è tutto.
Perché? Questo è un modo rozzo di verificare la stazionarietà, e va notato che non è il peggiore. Lasciatemi specificare, nel caso. L'aspettativa e la varianza sono misurate per la serie temporale analizzata. Si forma una sequenza casuale (creata da qualche generatore "normale" con esattamente le stesse caratteristiche di input di quella originale). Inoltre, una distribuzione viene sottratta dall'altra. Gli errori ottenuti, non ricordo esattamente, devono a loro volta obbedire a qualcosa, si valutano le loro caratteristiche e si trae la conclusione finale. Tutto è normale, voglio dire che il metodo è normale :o)