Yurixx 22.01.07 16:24 Ну может между нами, домохозяйками, раскажете мне что это такое ? Необязательно про МАРКОВСКИЙ ПРОЦЕСС, можно просто про марковские цепи. Можно даже про цепочки.
Rosh 22.01.07 19:33 Насколько я помню определение марковского процесса из предыдущего поста (A(i)[s+1] зависит только от A[s]) , подкидывание монетки не может являться марковским процессом, так как вероятность выпадения орла при каждом подбрасывании не зависит ни от одного предыдущего испытания.
チェーンの話もできます。
かなり長いので、きれいに伝えるのは苦手なんです。マルコフ連鎖、連鎖、連鎖が記述する過程については、マクシーモフ編「数学の確率論的部分」、グネデンコ著「確率論講座」などを読みました。私自身は、この分野の第一人者になったとは言えません。むしろ、何でも分かるけど何も言えない犬のようなものです。:о)
また、主婦の方の「何々です」という説明もあまり好きではありません。例えば、ウィキペディアの定義（かなり主婦向け:o)を見てみましょう。
マルコフ連鎖（CM）とは、有限または可算の無限個の結果を持つランダムな事象の連続であり、一定の現在において未来が過去から独立であるという性質を持っていることを特徴とする。A. A. Markov (Sr.)にちなんで命名されました。
正しいように思われるが、より正確な表現はやや異なる。
ある事象 A(i)[s+1] i=1,2,...k の s+1 試行における条件付き確率が s 番目の試行でどの事象が発生したかにのみ依存し、それ以前の試行に発生した事象に関する加算情報から変化しない場合、一連の試行は CM を形成していることになる。
このため、このような連鎖で記述できるプロセスを「ショートメモリー・プロセス」と呼ぶらしい。また、システム状態という概念に基づく別の定義も紹介する。
ユーリ、同情してくれ。定義や結論を書き換える気はまったくない。CM、これは私の発明ではないし、私はまだ、自分の言葉ですべてを語り継ぐという適切な無能のレベルに達していないのだ。その時はマルコフ連鎖を認識できていないかもしれません:o)
私の語り口とは対照的な）有能なソースで読むとき、私の「実践」が役に立つかもしれません。
(1) 具体的な価格値や価格差ではなく、システムの状態としてチャンネルを選択したこと
(2) いくつかのチャンネル特性の確率をとって、遷移確率行列を作成した。
(3)チャンネル変更をマトリックスの1ステップと捉えた
(4) 生と死のプロセスを「直感的に選んだ」のであって、行列のプロセスを目的に使うことはできないのではないか？
そして、その使用結果はすでに実証済みです。:о)
X[j]=Y[j]-Y[j-k] （k は実験の目的に応じて 1 から n まで）を構築することによって、センタリングと残差除去が可能である。
1次AR(1)の自己回帰モデル(マルコフ過程)。
このモデルは
X[j]=SUM{a[k]*X[j-k]}+sigma[j] の自己回帰過程の単純な変形である。ここで、和はすべての k=1...infinity に対して行われ、
最初の係数以外のすべての係数がゼロに等しいときに行われる。したがって、
X[j]=a*X[j-1]+sigma[j], (1)
ここで、aは絶対値が1を超えない何らかの数値係数（｜a｜＜1）、σ[j]はホワイトノイズを形成する確率変数列で定義することが可能である。したがって、X[j]はシグマ[j]とそれ以前のすべてのシグマに依存するが、将来のシグマの値には依存しないのである。従って、式中のシグマ[j]はX[j-1]やそれ以前のXの値には依存しない。このことから、σ[j]はイノベーション（更新）と呼ばれています。
関係式(1)を満たす系列Xは、しばしばマルコフ過程と呼ばれることもある。これは、
1.過程Mの 期待値は同値的に0M=0 である。
2.kステップの間隔を置いた系列のメンバー間の自己相関係数rは r=a^kに 等しい。
1次自己回帰過程の主な特徴は以下の通りである。
|a|<1
マルコフ過程の自己相関関数は 次の関係で定義される：
r(t)=a^t ,
すなわち、aの 値は系列X[j]の二つの隣接するメンバー間の相関の値を決定する。 配列(1)の項間の相関の緊密さの度合いは、時間的に相互に離れるにつれて指数関数的に減少することがわかる。
マルコフ過程(1)のスペクトル密度は、よく知られたタイプの自己相関関数を用いて計算することができます：
p(w)=2sigma0^2/(2+a^2-2a*cos(2Pi*w))
パラメータaの 値が1に近い場合、系列X[j]の隣り合う値は大きさが近く、自己相関関数は正のまま指数関数的に減少し、スペクトルは低周波に支配され、系列X[j]のピーク間の平均距離はかなり大きくなることを意味します。パラメータaが-1に近い値では、系列が急激に振動し（スペクトルは高周波が優勢）、自己相関関数のグラフは符号を 交互に変えながら指数関数的にゼロまで減少します。
モデルを識別した後、すなわちそのパラメータ（この場合はa）を決定した後、
我々は一歩先の予測を構築することができます：
Y[j+1]=Y[j]+a*X[j].
それだけです。
由良 今、あなたにお願いがあります。下図に示すアルゴリズムをMathcadで実装し、EURUSDのマニューシャのTFから得られたFACを数年分表示する。
(1) 具体的な価格値や価格差ではなく、システムの状態としてチャンネルを選びました
(2) いくつかのチャンネル特性の確率をとって、遷移確率行列を作成した。
(3)チャンネル変更をマトリックスの1ステップと捉えた
(4) 生と死のプロセスを「直感的に選んだ」のであって、行列のプロセスを目的に使うことはできないのではないか？
そして、その使用結果はすでに実証済みです。:о)
ここでは、②を除いてすべてクリアしています。）おそらく、単純な凡事というか、ノウハウというか、そういうものと考えられているのでしょう。
4）（この質問はすでにソランドルにした）-「誕生と死のプロセス」は、3）の統計的処理に基づいて定義されたのか、それとも何か一般的な理論的考察からなのか？
私たち主婦の間で、それが何であるか教えてくれないかしら？
マルコフプロセスである必要はなく、マルコフ連鎖の話でもいいんです。
チェーンの話もできます。
一番簡単な方法は、例を挙げることです。
最も単純なマルコフ過程は、普通のコインである。
コインがどちらの面に出るかは、前の状態とは関係ありません。
コインのようなプロセスは、マルコフ型であるという性質があると言われています。
つまり、過去の記憶を持たない。コイントスの連続は、次のように呼ばれます。
はマルコフ連鎖である。正確には、トスそのものではなく、確率の話です。
もっと複雑なマルコフ過程があり、いろいろなものがあります。
マルコフ過程。前の状態を「記憶」しているものもありますが
が、既成のものを覚えていないなど...。
まあ、一般的には単純な話なんですけどね。
そこでの数学は、場所によってはかなり混乱し、明白でないものもあり、数式も膨大です。
Ну может между нами, домохозяйками, раскажете мне что это такое ?
Необязательно про МАРКОВСКИЙ ПРОЦЕСС, можно просто про марковские цепи.
Можно даже про цепочки.
一番簡単なのは、例を挙げることです。
最も単純なマルコフ過程は、普通のコインである。
コインがどちらに出るかは、前の状態とは関係ありません。
コインのようなプロセスは、マルコフ的であるという性質があると言われています。
つまり、過去を覚えていないのです。
前の記事のマルコフ過程の定義（A(i)[s+1]はA[s]にのみ依存する）を覚えている限りではというのも、コインを投げるたびにワシが落ちる確率は、以前の試行に依存しないからである。
セルゲイ、あなたの忍耐に期待しています。なぜランダムな残差を記述するモデルが必要なのか、「消去法」とは何か、説明してください（私が見落としている可能性も十分あります）。そして、ランダムな残差の「消去」は、本質的にランダムであるように思います。なんというまとめ役なのでしょう。:о)
ロッシュへ
を除けば、すべてクリアです。）それは単なる些細なことと思われるかもしれませんし、ノウハウと思われるかもしれません。
ここは極めてシンプルです。予測するためには、なんとかしてシステムの状態を定義する必要があったのです。スコ、水路の長さ、LR線の傾斜角度など、かなり分かりやすいパラメータで長い間いじくりまわしていました。しかし、実験の過程で、あるチャンネルのパラメーターがより良い結果をもたらすという結論に達しました。
そして、次のようなことから、この特徴に行き着きました。
4）（この質問はソランドルにしました）-「誕生と死のプロセス」は3）の統計処理で定義されたのですか、それとも何か一般的な理論的考察からでしょうか？
よし、正直に言おう。 最初に思ったのは、これです。履歴を取る、チャンネルを探す、統計を計算する。結局、この方法は断念しました。以前にも書きましたが、私は自分の手法を進化型フラクタル波動解析と名付けました（まあ、名付けたからには気に入っているのですが）。進化系」-MSPの「チャンネルの下」で作り直されたものがベースになっています。そこで、チャネルのいくつかの特性について、そのダイナミクスを調査してみました。一方、チャンネルは、私が普段使っているような定義ではありません。この投稿「grasn 18.01.07 16:11」に、サンプル間の接続の強さを示す写真があります。チャネルは、現在のデータムからこの接続の最も弱い値までです。弱いカウントを見つけたら、それはチャンネルの原点を見つけたということです。ここに「カーソル」を移動して、北風が 言うように、プロセスの品質を監視し始めるのです。
チャンネル内のある特性のダイナミクスは、チャンネルの誕生と死のプロセスである（少なくとも私の場合はそうである）。
今は、Neutron、grasn、Northwindの おかげで、それがどのように行われるかが明確に示されるようになりました。
年齢的にもう学校に通うことはできませんが、私に知恵を授けてくださるというお気持ち、セルゲイさんの教え、必ずや実行させていただきます。
私は、厳粛に約束し、誓います。:-)
前の記事のマルコフ過程の定義（A(i)[s+1]はA[s]にのみ依存する）を覚えている限りではというのも、コインを投げるたびにワシが落ちる確率は、以前の試行に依存しないからである。
この点については、もっと詳しく説明したいのですが、残念ながら、絶対的に
の時間です。Wentzel E.S.女史の教科書には、次のように書かれていることだけはお伝えしておきます。
は同じで、コインはマルコフ過程である、という証明まである。
ところで、彼女はマルコフ過程（結果のない過程）、すなわち、各瞬間について
将来のシステムのどのような状態も、その確率は状態のみに依存する。
に至った経緯には関係なく、現時点でのシステムの状態です。
この状態
Насколько я помню определение марковского процесса из предыдущего поста (A(i)[s+1] зависит только от A[s]) , подкидывание монетки не может являться марковским процессом, так как вероятность выпадения орла при каждом подбрасывании не зависит ни от одного предыдущего испытания.
この点については、もっと詳しく説明したいのですが、残念ながら、絶対的に
の時間です。Wentzel E.S.女史の教科書には、次のように書かれていることだけはお伝えしておきます。
は同じで、コインはマルコフ過程である、という証明まである。
ところで、彼女はマルコフ過程（結果のない過程）、すなわち、各瞬間について
将来のシステムのどのような状態も、その確率は状態のみに依存する。
に至った経緯には関係なく、現時点でのシステムの状態です。
この状態
そう、女性がいるところには、必ず混乱があるのです。冗談です。:о)マキシモフが編集した教科書に載っていた簡単な例だ。あるプレイヤーが、パーティからなるゲームをプレイする。次のゲームに勝つ確率は、前のゲームに勝った場合はp、負けた場合はp1になる。状態E1-次のゲームに勝利、E2-ゲームに敗北。
状態E1、E2を彷徨う様子は、遷移確率行列で記述される。
|（p）（1-p）｜
|(p1) (1-p1)|です。
"男は泣かない、男は怒る" :)