응용통계학에 있어 가장 큰 문제는 가설 검증입니다. 아주 오랫동안 해결 불가능한 것으로 치부되어 왔죠. 하지만 고유값 좌표계가 나타나면서 상황이 바뀌었죠. 현대 응용통계학을 이용한 것보다 훨씬 효율적인 시그널 구조 연구가 가능해졌습니다. 본문은 고유값 좌표계의 실제 적용과 MQL5 구현을 다룹니다. Hilhorst와 Schehr가 소개한 분포를 예로 들어 함수 식별 문제에 대해서도 알아보겠습니다.
[0.25,15.25]를 인터벌로 갖는 R(x) 함수 값 100개를 생성해 모델 데이터로 삼겠습니다.
그림 7. 연산용 함수 모델
해당 데이터를 기반으로 Y(x) 함수가 플로팅되며 X1(x), X2(x) 및 X3(x) 함수의 전개가 이루어집니다.
그림 8은 함수 Y(x)와 그 고유값 좌표 X1(x), X2(x) 및 X3(x)를 나타냅니다.
새로운 기고글 일반화된 통계 분포의 구조 분석에 고유값 좌표계 적용하기 가 게재되었습니다:
응용통계학에 있어 가장 큰 문제는 가설 검증입니다. 아주 오랫동안 해결 불가능한 것으로 치부되어 왔죠. 하지만 고유값 좌표계가 나타나면서 상황이 바뀌었죠. 현대 응용통계학을 이용한 것보다 훨씬 효율적인 시그널 구조 연구가 가능해졌습니다. 본문은 고유값 좌표계의 실제 적용과 MQL5 구현을 다룹니다. Hilhorst와 Schehr가 소개한 분포를 예로 들어 함수 식별 문제에 대해서도 알아보겠습니다.
[0.25,15.25]를 인터벌로 갖는 R(x) 함수 값 100개를 생성해 모델 데이터로 삼겠습니다.
그림 7. 연산용 함수 모델
해당 데이터를 기반으로 Y(x) 함수가 플로팅되며 X1(x), X2(x) 및 X3(x) 함수의 전개가 이루어집니다.
그림 8은 함수 Y(x)와 그 고유값 좌표 X1(x), X2(x) 및 X3(x)를 나타냅니다.
그림 8. Y(x) 함수와 고유값 좌표계 X1(x), X2(x), X3(x)의 일반형
작성자: MetaQuotes