Dalla teoria alla pratica - pagina 1457
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
Perché, cosa lo impedisce nel caso della dipendenza incrementale?
La funzione di distribuzione del campionamento approssima la vera funzione di distribuzione in virtù del teorema di Glivenko-Cantelli, che richiede che il campione sia una realizzazione di una sequenza di variabili casuali indipendenti ed equamente distribuite. In parole povere, nel caso di una forte dipendenza, il campione può raggrupparsi in un punto, il che distorcerebbe grossolanamente la funzione di distribuzione empirica (campione) risultante rispetto a quella vera.
La funzione di distribuzione del campione approssima la vera funzione di distribuzione in virtù del teorema di Glivenko-Cantelli, che richiede che il campione sia una realizzazione di una sequenza di variabili casuali indipendenti ed equamente distribuite. In parole povere, se c'è una forte dipendenza, il campione può raggrupparsi in un punto, il che distorcerebbe notevolmente la funzione di distribuzione empirica (di campionamento) risultante rispetto a quella vera.
leggere.......
Non credo che questo teorema sia valido nel forex.
Perché, all'aumentare della dimensione del campione con il numero di elementi che tende all'infinito, la distribuzione reale (in rosso) si discosterà dalla distribuzione teorica (in nero), proprio con probabilità pari a 1
mentre il teorema afferma che coinciderà
tipo cielo e terra....
Per quanto riguarda il forex, significa che uno può fare pipsip-sat con successo durante un periodo piatto e perdere perdite durante una tendenza.
https://studfiles.net/preview/4287703/page:3/
leggere.......
Non credo che questo teorema sia valido nel forex
perché all'aumentare della dimensione del campione con il numero di elementi che tende all'infinito, la distribuzione reale (in rosso) si discosterà dalla distribuzione teorica (in nero), proprio con probabilità pari a 1
mentre il teorema afferma che coinciderà
tipo cielo e terra....
E in termini di forex significa che avremo successo nel pipsing nel piatto e perdere denaro nel trend.
https://studfiles.net/preview/4287703/page:3/
Non è il teorema che non è implementato, ma le condizioni per la sua esatta applicazione su grandi intervalli di tempo:
1) I guadagni sono dipendenti (per esempio, gli incrementi vicini nell'appartamento)
2) Non sono equamente distribuiti (non stazionarietà)
Può essere usato come approssimazione, su piccoli intervalli di tempo senza cambiamento di tendenza. Qualcosa di simile è stato affermato da Gorchakov. E il problema del decadimento è più o meno lo stesso.
La funzione di distribuzione del campione approssima la vera funzione di distribuzione in virtù del teorema di Glivenko-Cantelli, che richiede che il campione sia una realizzazione di una sequenza di variabili casuali indipendenti ed equamente distribuite. In parole povere, nel caso di una forte dipendenza, il campione può raggrupparsi in un punto, il che distorcerebbe notevolmente la funzione di distribuzione empirica (campione) risultante rispetto a quella vera.
Non è molto chiaro perché alcuni matematici devono essere milionari e altri no)
Ma che dire delle distribuzioni condizionate? Dopo tutto, si tratta di una dipendenza.
Le distribuzioni condizionali sono basate su distribuzioni congiunte. Solo nel caso di indipendenza (per definizione) la funzione di distribuzione congiunta è uguale al prodotto delle funzioni di distribuzione univariate. Nel caso della dipendenza è molto più complicato - le copule sono state portate qui di recente - questo è di quell'ordine di grandezza. Quindi il teorema di G.-C. (che sembra essere generalizzato al caso multivariato) si applica alla costruzione approssimativa di una distribuzione bidimensionale dalla quale si può tentare di costruire distribuzioni condizionate monodimensionali.
I milionari sono richiesti da quei matematici che pretendono di descrivere le serie finanziarie)
Per quanto ne so, la teoria di Shiryaev iniziò ad essere sviluppata per esigenze di radiolocalizzazione, ma è improbabile che qualcuno gli richiedesse di essere personalmente in servizio al radar)
Non è il teorema che non è soddisfatto, ma le condizioni per la sua esatta applicazione su grandi intervalli di tempo:
1) I gradienti sono dipendenti (per esempio gradienti vicini in una pianura)
2) I gradienti non sono equamente distribuiti (non stazionarietà)
Può essere usato come approssimazione, su piccoli intervalli di tempo senza cambiamento di tendenza. Qualcosa di simile è stato affermato da Gorchakov. E il problema della discontinuità è la stessa cosa.
no
leggiamo con calma.
Sia X 1 , ... , X n , ... - campione infinito
Stabilità di cosa? C'è, per esempio, la stabilità della soluzione di un diffusore di Lyapunov o, per esempio, la stabilità statistica della frequenza di un evento (nel senso di convergenza alla sua probabilità).
no
leggere snumaticamente
Sia X 1 , ... , X n , ... un campione infinito
In realtà, uno statistico ha sempre a che fare con campioni finiti, quindi è sempre solo un'approssimazione al compimento di questo teorema. Ma man mano che la dimensione del campione cresce, questa approssimazione migliora, e questo è chiamato la consistenza della stima.
L'articolo nel wiki russo sul teorema di Glivenko-Cantelli è una sciocchezza, leggete la versione inglese o qualche libro di testo normale.