이를 기반으로 표준 편차와 확률 수준을 모두 구축하고 길이와 외삽을 최적화할 수 있습니다. 신뢰할 수 있는 외삽법으로 여전히 모든 것을 이해하지는 못하지만 누군가 나를 깨우쳐 줄 수 있습니까? 누군가가 이것에주의를 기울였다면? 그러면 내가 이 모든 것을 헛되이 가져오는 것은 아닐까?
그는 최소 제곱법을 사용하여 포물선의 계수를 찾기 위한 방정식 시스템을 추론했습니다. 누가 라인을 기억합니까? 아니면 당신 자신이 결정 요인으로 올라가야 할 것입니다 ...
Rosh, 왜 모든 것이 그렇게 복잡합니까? 이 특정 샘플에 필요한 것이 있다는 것을 미리 알지 못한다면 계수를 어떻게 찾겠습니까? 사실, 모든 것이 더 쉬워질 수 있습니다! Vladislav는 초기에 근사 오류가 근사 순서를 나타낸다고 말했습니다. 그리고 나는 이미 그것에 대해 썼습니다. 다시 반복할 수 있습니다. y=ax^2+bx+c 형식의 방정식이 있는 경우 선형 회귀 채널 y1=b1X+c1로 샘플을 근사하면 실제로 초기 방정식의 계수 b와 동일한 계수 b1을 얻게 됩니다. 또한 첫 번째 방정식에서 선형 회귀 방정식을 빼면 y=ax^2+c2 형식의 방정식을 얻습니다. 즉, 이 방정식에서 우리는 이미 포물선의 상단이 x축에 대해 c2만큼 이동될 것이라고 즉시 말할 수 있습니다. 또한 포물선의 상단이 샘플의 중앙에 엄격하게 놓일 것이라는 사실을 고려해야 합니다. 점 (0,c2)에서 포물선의 상단을 취하면, 즉 포물선의 상단에서 샘플의 참조 중심을 표시하면 방정식 (y-c2)=ax^ 2. 그러나 우리는 당연히 이 방정식에서 2개의 매개변수와 c2를 모릅니다. 그러나 우리는 그것들이 어떻게 서로 의존하는지 알고 있습니다. c2=y-ax^2. 우리는 또한 x축과 포물선의 교차점을 알고 있습니다..총체적으로 x축을 따라 세 개의 점이 있습니다 - 꼭짓점과 x축과의 교차점으로 원하는 포물선을 찾아야 합니다. 그리고 여기에서는 이러한 매개변수 a와 c2를 찾는 연속적 근사법으로 문제를 해결할 수 있는 다른 방법이 없습니다. 이 경우 포물선에 의한 근사에서 오차의 표준 편차가 최소가 됩니다. 또한 알려진 c2를 사용하여 첫 번째 방정식에서 매개변수 c를 얻을 수도 있습니다. 덕분에 이차 함수의 완전한 방정식이 생성됩니다. 다른 모든 것은 계산 기간 측면에서 덜 중요한 부분을 차지할 수 있기 때문에 이것이 블라디슬라바가 계산 시간의 대부분을 차지하는 이유라고 생각합니다.
Вывел систему уравнений для нахождения коэ-тов параболы по методу наименьших квадратов. Кто помнит линейку? Или самому придется лезть в детерминанты...
Rosh, 왜 모든 것이 그렇게 복잡합니까? 이 특정 샘플에 필요한 것이 있다는 것을 미리 알지 못한다면 계수를 어떻게 찾겠습니까? 사실, 모든 것이 더 쉬워질 수 있습니다! Vladislav는 초기에 근사 오류가 근사 순서를 나타낸다고 말했습니다. 그리고 나는 이미 그것에 대해 썼습니다. 다시 반복할 수 있습니다. y=ax^2+bx+c 형식의 방정식이 있는 경우 선형 회귀 채널 y1=b1X+c1로 샘플을 근사하면 실제로 초기 방정식의 계수 b와 동일한 계수 b1을 얻게 됩니다. 또한 첫 번째 방정식에서 선형 회귀 방정식을 빼면 y=ax^2+c2 형식의 방정식을 얻습니다. 즉, 이 방정식에서 우리는 이미 포물선의 상단이 x축에 대해 c2만큼 이동될 것이라고 즉시 말할 수 있습니다. 또한 포물선의 상단이 샘플의 중앙에 엄격하게 놓일 것이라는 사실을 고려해야 합니다. 점 (0,c2)에서 포물선의 상단을 취하면, 즉 포물선의 상단에서 샘플의 참조 중심을 표시하면 방정식 (y-c2)=ax^ 2. 그러나 우리는 당연히 이 방정식에서 2개의 매개변수와 c2를 모릅니다. 그러나 우리는 그것들이 어떻게 서로 의존하는지 알고 있습니다. c2=y-ax^2. 우리는 또한 x축과 포물선의 교차점을 알고 있습니다..총체적으로 x축을 따라 세 개의 점이 있습니다 - 꼭짓점과 x축과의 교차점으로 원하는 포물선을 찾아야 합니다. 그리고 여기에서는 이러한 매개변수 a와 c2를 찾는 연속적 근사법으로 문제를 해결할 수 있는 다른 방법이 없습니다. 이 경우 포물선에 의한 근사에서 오차의 표준 편차가 최소가 됩니다. 또한 알려진 c2를 사용하여 첫 번째 방정식에서 매개변수 c를 얻을 수도 있습니다. 덕분에 이차 함수의 완전한 방정식이 생성됩니다. 다른 모든 것은 계산 기간 측면에서 덜 중요한 부분을 차지할 수 있기 때문에 이것이 블라디슬라바가 계산 시간의 대부분을 차지하는 이유라고 생각합니다.
문제가 무엇인지 이해가 되지 않습니다. 포물선 방정식은 LSM을 통해 선형 회귀 채널과 동일한 고려 사항에서 구합니다. 이 연립방정식의 해는 모호하지 않고 반복이 필요하지 않으며 정면으로 해결됩니다. Zi=Deti/Det, 여기서 Zi는 포물선의 계수, Det는 행렬 행렬식, Deti는 자유 항 열(Ti)의 i 열에 대입하여 얻은 행렬 행렬식입니다. 마찬가지로 결과 곡선 채널에 동일한 기준을 적용할 수 있습니다(앞으로 명확하게 설명됨). 포물선 채널에서 전체 샘플의 RMS는 샘플의 2/3 RMS보다 크지 않습니다. 이 채널에 대한 Hurst의 경우 - 지금은 답변이 없기 때문에 아무 말도 하지 않겠습니다.
추신: 저는 1986년에 수학에 대한 참고서를 발견했고, 그래서 저는 훨씬 더 똑똑해졌습니다 :) (Kolmogorov 또는 Demidovich가 더 좋습니다)
추신: 저는 1986년에 수학에 대한 참고서를 발견했고, 그래서 저는 훨씬 더 똑똑해졌습니다 :)
반복이 필요 없는 간단한 솔루션이 있다는 것은 매우 좋은 일입니다. linal을 너무 많이 잊어버렸어요 :o(. 책도 봐야지. Rosh, 이미 완전히 이해했다면 관심있는 모든 사람들에게도 흥미로울 것이라고 생각합니다. 위에서 이미 설명한 솔루션의 전체 버전 또는 alpari에서 별도의 기사로 발행할 수 있습니까?
Вывел систему уравнений для нахождения коэ-тов параболы по методу наименьших квадратов. Кто помнит линейку? Или самому придется лезть в детерминанты...
다음은 선형 방정식 시스템을 풀기 위한 알고리즘과 다항식 회귀 형태의 구현입니다. m=1일 때 - 선, m=2일 때 - 포물선이 있고, m=3 - 큐브 등
예, 이것이 바로 solandr가 원했던 것입니다. 사실, 질문이 생겼습니다. 내 공식에 따라 그렇게 약간 까다로운 코드를 너무 빨리 작성하려면 전문가가 되어야 합니다. 사실, 나는 코드를 검토했고 알고리즘은 거기에 있습니다. 적어도 행렬 용어의 인덱싱은 제 방정식 시스템의 거울 이미지입니다. 이제 ANG3110이 그런 것들에 개를 먹었다는 것을 알았습니다 (거미의 가지를 기억합니다) :)
다음은 선형 방정식 시스템을 풀기 위한 알고리즘과 다항식 회귀 형태의 구현입니다.
m=1일 때 - 선,
m=2 - 포물선이 있고,
m=3 - 큐브 등
//-------------------------------- #property indicator_chart_window #property indicator_buffers 1 #property indicator_color1 LightSkyBlue //----------------------------------- extern double hours = 24; extern int m = 2; extern int i0 = 0; //----------------------- double fx[]; double a[10,10],b[10],x[10],sx[20]; double sum; int p; int nn; //******************************************* int init() { IndicatorShortName("at_PR (Din)"); SetIndexStyle(0,DRAW_LINE); SetIndexBuffer(0,fx); p=hours*60/Period(); nn=m+1; return(0); } //********************************************************** int start() { int i,n,k; sx[1]=p+1; SetIndexDrawBegin(0,Bars-p+i0); //----------------------sx--------------------- for(i=1; i<=nn*2-2; i++) { sum=0.0; for(n=i0; n<=i0+p; n++) {sum+=MathPow(n,i);} sx[i+1]=sum; } //----------------------syx-------------------- for(i=1; i<=nn; i++) { sum=0.0; for(n=i0; n<=i0+p; n++) { if (i==1) sum+=Close[n]; else sum+=Close[n]*MathPow(n,i-1); } b[i]=sum; } //===============Matrix======================== for(int j=1; j<=nn; j++) { for(i=1; i<=nn; i++) { k=i+j-1; a[i,j]=sx[k]; } } //===============Gauss========================= af_Gauss(nn,a,b,x); //============================================= for (i=i0; i<=i0+p; i++) { sum=0; for(k=1; k<=m; k++) sum+=x[k+1]*MathPow(i,k); fx[i]=x[1]+sum; } //------------------------------------------------------------- return(0); } //*************************************************************** void af_Gauss(int n, double& a[][],double& b[], double& x[]) { int i,j,k,l; double q,m,t; for(k=1; k<=n-1; k++) { l=0; m=0; for(i=k; i<=n; i++) { if (MathAbs(a[i,k])>m) {m=MathAbs(a[i,k]); l=i;} } if (l==0) return(0); if (l!=k) { for(j=1; j<=n; j++) { t=a[k,j]; a[k,j]=a[l,j]; a[l,j]=t; } t=b[k]; b[k]=b[l]; b[l]=t; } for(i=k+1;i<=n;i++) { q=a[i,k]/a[k,k]; for(j=1;j<=n;j++) { if (j==k) a[i,j]=0; else a[i,j]=a[i,j]-q*a[k,j]; } b[i]=b[i]-q*b[k]; } } x[n]=b[n]/a[n,n]; for(i=n-1;i>=1;i--) { t=0; for(j=1;j<=n-i;j++) { t=t+a[i,i+j]*x[i+j]; x[i]=(1/a[i,i])*(b[i]-t); } } return; } //**********************************************************************이를 기반으로 표준 편차와 확률 수준을 모두 구축하고 길이와 외삽을 최적화할 수 있습니다.
신뢰할 수 있는 외삽법으로 여전히 모든 것을 이해하지는 못하지만 누군가 나를 깨우쳐 줄 수 있습니까?
누군가가 이것에주의를 기울였다면? 그러면 내가 이 모든 것을 헛되이 가져오는 것은 아닐까?
Rosh, 왜 모든 것이 그렇게 복잡합니까? 이 특정 샘플에 필요한 것이 있다는 것을 미리 알지 못한다면 계수를 어떻게 찾겠습니까? 사실, 모든 것이 더 쉬워질 수 있습니다! Vladislav는 초기에 근사 오류가 근사 순서를 나타낸다고 말했습니다. 그리고 나는 이미 그것에 대해 썼습니다. 다시 반복할 수 있습니다. y=ax^2+bx+c 형식의 방정식이 있는 경우 선형 회귀 채널 y1=b1X+c1로 샘플을 근사하면 실제로 초기 방정식의 계수 b와 동일한 계수 b1을 얻게 됩니다. 또한 첫 번째 방정식에서 선형 회귀 방정식을 빼면 y=ax^2+c2 형식의 방정식을 얻습니다. 즉, 이 방정식에서 우리는 이미 포물선의 상단이 x축에 대해 c2만큼 이동될 것이라고 즉시 말할 수 있습니다. 또한 포물선의 상단이 샘플의 중앙에 엄격하게 놓일 것이라는 사실을 고려해야 합니다. 점 (0,c2)에서 포물선의 상단을 취하면, 즉 포물선의 상단에서 샘플의 참조 중심을 표시하면 방정식 (y-c2)=ax^ 2. 그러나 우리는 당연히 이 방정식에서 2개의 매개변수와 c2를 모릅니다. 그러나 우리는 그것들이 어떻게 서로 의존하는지 알고 있습니다. c2=y-ax^2. 우리는 또한 x축과 포물선의 교차점을 알고 있습니다..총체적으로 x축을 따라 세 개의 점이 있습니다 - 꼭짓점과 x축과의 교차점으로 원하는 포물선을 찾아야 합니다. 그리고 여기에서는 이러한 매개변수 a와 c2를 찾는 연속적 근사법으로 문제를 해결할 수 있는 다른 방법이 없습니다. 이 경우 포물선에 의한 근사에서 오차의 표준 편차가 최소가 됩니다. 또한 알려진 c2를 사용하여 첫 번째 방정식에서 매개변수 c를 얻을 수도 있습니다. 덕분에 이차 함수의 완전한 방정식이 생성됩니다. 다른 모든 것은 계산 기간 측면에서 덜 중요한 부분을 차지할 수 있기 때문에 이것이 블라디슬라바가 계산 시간의 대부분을 차지하는 이유라고 생각합니다.
행운을 빕니다.
Rosh, 왜 모든 것이 그렇게 복잡합니까? 이 특정 샘플에 필요한 것이 있다는 것을 미리 알지 못한다면 계수를 어떻게 찾겠습니까? 사실, 모든 것이 더 쉬워질 수 있습니다! Vladislav는 초기에 근사 오류가 근사 순서를 나타낸다고 말했습니다. 그리고 나는 이미 그것에 대해 썼습니다. 다시 반복할 수 있습니다. y=ax^2+bx+c 형식의 방정식이 있는 경우 선형 회귀 채널 y1=b1X+c1로 샘플을 근사하면 실제로 초기 방정식의 계수 b와 동일한 계수 b1을 얻게 됩니다. 또한 첫 번째 방정식에서 선형 회귀 방정식을 빼면 y=ax^2+c2 형식의 방정식을 얻습니다. 즉, 이 방정식에서 우리는 이미 포물선의 상단이 x축에 대해 c2만큼 이동될 것이라고 즉시 말할 수 있습니다. 또한 포물선의 상단이 샘플의 중앙에 엄격하게 놓일 것이라는 사실을 고려해야 합니다. 점 (0,c2)에서 포물선의 상단을 취하면, 즉 포물선의 상단에서 샘플의 참조 중심을 표시하면 방정식 (y-c2)=ax^ 2. 그러나 우리는 당연히 이 방정식에서 2개의 매개변수와 c2를 모릅니다. 그러나 우리는 그것들이 어떻게 서로 의존하는지 알고 있습니다. c2=y-ax^2. 우리는 또한 x축과 포물선의 교차점을 알고 있습니다..총체적으로 x축을 따라 세 개의 점이 있습니다 - 꼭짓점과 x축과의 교차점으로 원하는 포물선을 찾아야 합니다. 그리고 여기에서는 이러한 매개변수 a와 c2를 찾는 연속적 근사법으로 문제를 해결할 수 있는 다른 방법이 없습니다. 이 경우 포물선에 의한 근사에서 오차의 표준 편차가 최소가 됩니다. 또한 알려진 c2를 사용하여 첫 번째 방정식에서 매개변수 c를 얻을 수도 있습니다. 덕분에 이차 함수의 완전한 방정식이 생성됩니다. 다른 모든 것은 계산 기간 측면에서 덜 중요한 부분을 차지할 수 있기 때문에 이것이 블라디슬라바가 계산 시간의 대부분을 차지하는 이유라고 생각합니다.
문제가 무엇인지 이해가 되지 않습니다. 포물선 방정식은 LSM을 통해 선형 회귀 채널과 동일한 고려 사항에서 구합니다. 이 연립방정식의 해는 모호하지 않고 반복이 필요하지 않으며 정면으로 해결됩니다.
Zi=Deti/Det, 여기서 Zi는 포물선의 계수, Det는 행렬 행렬식, Deti는 자유 항 열(Ti)의 i 열에 대입하여 얻은 행렬 행렬식입니다. 마찬가지로 결과 곡선 채널에 동일한 기준을 적용할 수 있습니다(앞으로 명확하게 설명됨). 포물선 채널에서 전체 샘플의 RMS는 샘플의 2/3 RMS보다 크지 않습니다. 이 채널에 대한 Hurst의 경우 - 지금은 답변이 없기 때문에 아무 말도 하지 않겠습니다.
추신: 저는 1986년에 수학에 대한 참고서를 발견했고, 그래서 저는 훨씬 더 똑똑해졌습니다 :)
(Kolmogorov 또는 Demidovich가 더 좋습니다)
감사합니다. 나는 이것에 동의하지 않고 내 의견을 지지합니다.
반복이 필요 없는 간단한 솔루션이 있다는 것은 매우 좋은 일입니다. linal을 너무 많이 잊어버렸어요 :o(. 책도 봐야지. Rosh, 이미 완전히 이해했다면 관심있는 모든 사람들에게도 흥미로울 것이라고 생각합니다. 위에서 이미 설명한 솔루션의 전체 버전 또는 alpari에서 별도의 기사로 발행할 수 있습니까?
그리고 여기, 코스 - http://www.exponenta.ru/educat/class/courses/student/la/examples.asp
다음은 선형 방정식 시스템을 풀기 위한 알고리즘과 다항식 회귀 형태의 구현입니다.
m=1일 때 - 선,
m=2일 때 - 포물선이 있고,
m=3 - 큐브 등
예, 이것이 바로 solandr가 원했던 것입니다. 사실, 질문이 생겼습니다. 내 공식에 따라 그렇게 약간 까다로운 코드를 너무 빨리 작성하려면 전문가가 되어야 합니다. 사실, 나는 코드를 검토했고 알고리즘은 거기에 있습니다. 적어도 행렬 용어의 인덱싱은 제 방정식 시스템의 거울 이미지입니다. 이제 ANG3110이 그런 것들에 개를 먹었다는 것을 알았습니다 (거미의 가지를 기억합니다) :)
사실 저는 전적으로 지지합니다!
매우 아름답고 NECESSARY 표시기!
ANG3110, 코드를 설명해 주시겠습니까? 한 눈에 알아보기 힘듭니다. 이 지표에 대해 모든 것이 자세히 설명되어 있는 포럼에 자신만의 스레드가 있습니까? 정보에 미리 감사드립니다.