スルトノフ回帰モデル(SRM) - 市場の数学的モデルであると主張する。 - ページ 42

 
orb:
密度は0~1に限定されているのでは?

密度は違います。
 
orb:
密度は0~1に限定されているのでは?
もちろん1に束縛されるが、ここでは:P=1+tHammasp(t/t;n;1;0)、ここでtHammasp(t/t;n;1;0)は分布密度関数で0から1まで変化しています。論文の式(7)を参照。
 
yosuf:

そうですね、ゼロをつけすぎましたね...。

いずれにせよ、空を飛ぶエクイを見るのは才能です...要は信じることです...))
 
anonymous:

密度......ない。
さようならを言おう!)無知な者。
 
orb:
さようなら!)無知な者です。


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi))- は、正規分布の密度です。

教授、あなたはf(0, 0, 0.01)=39.89が意外だと思うでしょう。

 
yosuf:
もちろん1に束縛されるが、ここでは:P=1+tHammasp(t/t;n;1;0)、ここでtHammasp(t/t;n;1;0)は分布密度関数で0から1まで変化しています。論文の式(7)を参照。

占有のうち、単位は-infからxまでの密度の非可変積分によって境界を定める。
 
anonymous:


f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi))- は正規分布の密度である。

教授、あなたはf(0, 0, 0.01)=39.89が意外だと思うでしょう。

私は確認し、一般的にあなたは間違っている、0は離散値であり、あなたは連続正規分布則を 使用しているので、それぞれ、一般化された密度を導入する必要があります、確率変数は混合X、xの可能な値を持つ、これは0、他の連続値の1つを取る!私は、0が離散値であり、あなたは、一般化された密度を導入する必要があります、あなたは、0が離散値であり、連続値である。

 
orb:

というのは、0は離散的な値で、連続的な正規分布の法則を使用しているからで、一般にあなたは間違っています。

f(x, 0, 0.01) > 1 区間 [-0.027152;0.027152] 内の任意の x に対してです。

したがって、一般化された密度を導入する必要があります。

必然的に :D

というのは、確率変数が混合Xで、xの取りうる値は、離散値0が1つ、残りは連続値だからです

そうなんですか?整数の集合は離散的ではないのですか?xは(Rの部分集合としての)整数の集合から任意の値をとることができるということでいいのでしょうか?

 
anonymous:

f(x, 0, 0.01) > 1 区間 [-0.027152;0.027152] 内の任意の x に対してです。

もちろんです :D

そうなんですか?整数の集合は不連続ではないか?xは(Rの部分集合としての)整数の集合から任意の値をとることができるということでよいのでしょうか?

m=0が数学的な期待値というか、その推定値であるという言葉に納得がいきますか?

は、シグマ=0.01が分散推定値の根源なのでしょうか?

このようなシリーズをモデル化できるのでしょうか?

 
orb:

m=0が数学的な期待値というか、その推定値であるという言葉に納得がいきますか?

は、シグマ=0.01が分散推定値の根源なのでしょうか?

このようなシリーズをモデル化できるのでしょうか?


これは推定値ではなく、分布の正確なパラメータ、つまり期待値と標準偏差 です、教授 :D

もちろん、そのようなシリーズをモデリングすることは可能です。ユセフとの異端は理論分布関数の分析だけで反論されているので、ここでは全く不要ですが。

> x <- rnorm(100, 0, 0.01)
> x
  [1]  1.619572 e-02  6.798108 e-05 -3.627928 e-03  5.241613 e-03  1.273511 e-02  1.575794 e-03  7.716432 e-03  2.047810 e-03
  [9]  7.551535 e-03  2.707827 e-03 -1.783785 e-02  4.513436 e-03 -4.031291 e-03 -1.058043 e-02  1.421831 e-04 -6.639672 e-03
 [17] -1.434773 e-02 -4.618057 e-03 -1.411381 e-02 -1.459423 e-02 -7.465568 e-03 -7.713061 e-03  3.016197 e-02 -4.193879 e-03
 [25]  8.984821 e-03  7.578804 e-03 -1.256003 e-02  1.374785 e-02  1.239761 e-03 -1.547361 e-02 -1.735638 e-02 -6.853623 e-03
 [33]  5.278165 e-03 -1.917603 e-03 -3.507008 e-03  3.709349 e-03 -2.094672 e-04 -2.224821 e-03 -3.501819 e-03 -3.312482 e-03
 [41]  9.050138 e-03 -1.517038 e-03 -2.481432 e-04  1.132736 e-03  2.664056 e-03  2.146325 e-03 -1.762083 e-02 -8.993990 e-03
 [49]  8.303284 e-03 -5.353900 e-03 -2.845936 e-02 -1.556778 e-02  6.326411 e-04 -1.982076 e-02 -2.460851 e-03 -9.028795 e-03
 [57]  1.233104 e-02 -6.179724 e-03  1.614575 e-02 -9.239795 e-03  1.350007 e-02 -7.019569 e-03  1.463546 e-02  9.611378 e-03
 [65]  1.403177 e-02 -2.875648 e-03 -3.541369 e-03  9.854737 e-03  2.134445 e-03  3.010908 e-03 -9.468081 e-03  5.583229 e-03
 [73] -4.736917 e-03 -2.052099 e-03 -1.371189 e-02 -1.530808 e-03  8.776596 e-03 -1.272746 e-02  9.583266 e-03 -1.944051 e-02
 [81] -2.341326 e-03  4.766029 e-03 -7.953369 e-03  1.773432 e-02  8.939169 e-03  8.789134 e-03 -5.713990 e-03  4.144645 e-03
 [89]  6.384486 e-03  8.868000 e-03 -1.181570 e-02  4.893533 e-03 -3.452248 e-03 -1.525700 e-03  2.135513 e-02  1.633766 e-02
 [97] -6.266012 e-03 -5.332083 e-03  2.446737 e-02 -1.470896 e-02
> mean(x)
[1] -0.0003638158
> sd(x)
[1] 0.01055043