usdjpy писал (а): 당신에게서 이것을 기대하지 않았습니다! 이것을 어떻게 받아 가우스 분포에 해당하지 않는 경험적 데이터를 정규 분포로 변환할 수 있습니까?
혹시 논문을 오크와 함께 방어하셨나요?
Learn terver, newton ... 반환값이 만족하는 프랙탈 분포가 있고 고정되어 있습니다. 그의 테이블이 있습니다. 명확한 공식이 있는 가우스가 있습니다. 다른 확률 변수의 주어진 결정론적 함수인 확률 변수의 적분 분포 함수에 대한 Terver의 정리가 있습니다. 또 무엇이 필요합니까?
로쉬 : 즉, 정상적인 증분을 보기 위해 초기 데이터(따옴표)의 이러한 변환을 찾으려면? 그리고 그는 그것을 어떻게 얻습니까?
나는 로쉬 를 모른다. 그는 내가 제공한 링크에 이 아이디어를 던졌습니다. 뭔가 하려고 한 것 같던데...
나는 그 가지의 첫 페이지보다 조금 더 읽었다. 흥미로운 점은 내가 거의 동일하게 모델링했다는 것입니다. 즉, 항목이 무작위이고 정지 크기가 이익 크기보다 큽니다. 게다가 표적과 정류장은 모두 수백 점의 삐삐와 거리가 멀다. 이익은 지속 가능합니다. 스프레드가 고려되었습니다(2점). 실제 시장에서 모든 것이 그렇게 간단했다면. :)
고정 분포: el인 경우. 벡터는 el입니다. Markov 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.
olexij , 표현의 정확성은 놀랍습니다. 여기가 아니라 lib.mexmat.ru에서 시간을 보내야 합니다("당신"이 마음에 들지 않는다면). 나는 가능한 한 엄격하게 그리고 동시에 적어도 여기 있는 누군가가 이것을 이해할 수 있도록 한 점 한 점 대답하려고 노력할 것입니다. 나는 대학 벤치에서 직접 나온 것은 아니지만 수학적 엄격함에 대한 일반적인 생각을 가지고 있습니다.
1. 프랙탈 분포: 이것은 베드로서와 이 책 말미에 있는 표에서 고려되는 것을 말합니다. 책 링크: http://www.ozon.ru/context/detail/id/1691158/ . 그건 그렇고, 스파이더에서도 무료로 사용할 수 있습니다. 또한 확률론적 금융 수학의 기초에서 Shiryaev의 보다 엄격한 설명이 있습니다. 여기서 프랙탈리티는 오히려 확률 분포의 안정성을 의미합니다.
2. 고정성: 네, 제가 그것을 부정확하게 표현했습니다(운이 좋게도 제가 쓴 후, 저는 제가 그것을 부정확하게 표현했다고 생각했습니다. 누군가는 분명히 잘못을 찾을 것입니다). 나는 분포의 정상성을 의미하는 것이 아니라 무작위 프로세스 반환의 정상성을 의미했습니다.
3. 나는 이항에서 정규로 수렴하는 이 정리에 대해 알고 있습니다. 나는 균일하게 분포된 값을 갖고 정규 분포 함수의 역함수를 알고 컴퓨터에서 정규 분포를 잘 모방할 수 있는 정리를 의미했습니다. 정확히 이름은 기억나지 않지만, 테르베르에서 가장 중요한 것 중 하나입니다.
마지막으로 이동 평균 주변의 시세 분포에 대해 이야기하는 것이 아닙니다. 그들의 정상성 ... 음, 직관적으로 그것은 겉보기에만 있고 전혀 표면에 있지 않습니다. 의미하는 것은 반품입니다. 이동 평균에 관계없이 인접한 막대의 종가 차이.
고정 분포: el인 경우. 벡터는 el입니다. 마르코프 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.
olexij , 표현의 정확성은 놀랍습니다. 여기가 아니라 lib.mexmat.ru에서 시간을 보내야 합니다("당신"이 마음에 들지 않는다면). 나는 가능한 한 엄격하게 그리고 동시에 적어도 여기 있는 누군가가 이것을 이해할 수 있도록 한 점 한 점 대답하려고 노력할 것입니다. 나는 대학 벤치에서 직접 나온 것은 아니지만 수학적 엄격함에 대한 일반적인 생각을 가지고 있습니다.
1. 프랙탈 분포: 이것은 베드로서와 이 책 말미에 있는 표에서 고려되는 것을 말합니다. 책 링크: http://www.ozon.ru/context/detail/id/1691158/ . 그건 그렇고, 스파이더에서도 무료로 사용할 수 있습니다. "Fundamentals of Stochastic Financial Mathematics"에서 Shiryaev의 보다 엄격한 설명도 있습니다. 여기서 프랙탈리티는 오히려 확률 분포의 안정성을 의미합니다.
2. 고정성: 네, 제가 그것을 부정확하게 표현했습니다(운이 좋게도 제가 쓴 후, 저는 제가 그것을 부정확하게 표현했다고 생각했습니다. 누군가는 분명히 잘못을 찾을 것입니다). 나는 분포의 정상성을 의미하는 것이 아니라 무작위 프로세스 반환의 정상성을 의미했습니다.
3. 나는 이항에서 정규로 수렴하는 이 정리에 대해 알고 있습니다. 나는 균일하게 분포된 값을 갖고 정규 분포 함수의 역함수를 알고 컴퓨터에서 정규 분포를 잘 모방할 수 있는 정리를 의미했습니다. 이름은 정확히 기억나지 않지만 테르베르에서 가장 중요한 것 중 하나입니다.
마지막으로 이동 평균 주변의 시세 분포에 대해 이야기하는 것이 아닙니다. 그들의 정상성 ... 음, 직관적으로 그것은 겉보기에만 있고 전혀 표면에 있지 않습니다. 의미하는 것은 반품입니다. 이동 평균에 관계없이 인접한 막대의 종가 차이.
수학자, 당신이 그렇다면 당신입니다. :) 정확한 공식은 수학과 통계에 대해 이야기할 때 항상 더 좋습니다. 특히 Google이 가까이 있고 손이 시들지 않을 때 더욱 그렇습니다. 포인트: 3. Box-Muller 변환에 대해 쓰고 있습니까? 의사 난수 균일 분포 숫자에서 의사 난수 정규 분포 숫자 생성 정보: http://www.taygeta.com/random/gaussian.html . 그러나 여기 의사 무작위 균일 분포 변수가 어디에 있습니까? 2. 프로세스의 정상성: 아마도 그렇습니다. 나는 또한 분포 함수가 시간이 지남에 따라 변한다고 생각하지 않습니다. 1. 마지막 발언에 비추어 지금 파헤치고 읽기에는 너무 게으르다. 예를 들어, Kolmogorov-Smirnov 테스트가 있습니다. 무작위 샘플을 사용하면 무작위 변수의 분포가 정상인지 여부를 테스트할 수 있습니다. https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test . 이것이 당신에게 충분하지 않다면, 당신이 제공하는 것에 대한 설명에 당신이 알기 쉽게 위에 쓴 모든 것을 붙이십시오.
실제 데이터를 정규 분포로 변환해야 합니다.
혹시 논문을 오크와 함께 방어하셨나요?
즉, 정상적인 증분을 보기 위해 초기 데이터(따옴표)의 이러한 변환을 찾으려면? 그리고 그는 그것을 어떻게 얻습니까?
혹시 논문을 오크와 함께 방어하셨나요?
실제 데이터를 정규 분포로 변환해야 합니다.
혹시 논문을 오크와 함께 방어하셨나요?
먼저 읽는 법을 배우고 쓰여진 내용을 이해한 다음 vyshmat를 시작해야 합니다.
- 포물선 프랙탈 분포와 같은 것이 있습니다(프랑스의 다른 도시와 관련하여 파리 시의 크기와 같은 실제 개체의 분포 모델링에 대한 상당히 새로운 것 https://en.wikipedia.org/wiki / Parabolic_fractal_distribution ). 당신이 대학에서 곧장 나오지 않는 한, 당신은 아마 이것을 배우지 않았을 것입니다. 여기가 어느 쪽인지 이해가 안 돼요
- 고정 분포: el인 경우. 벡터는 el입니다. Markov 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
- 나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.즉, 정상적인 증분을 보기 위해 초기 데이터(따옴표)의 이러한 변환을 찾으려면? 그리고 그는 그것을 어떻게 얻습니까?
위의 게시물은 약간 혼란 스럽습니다.
- 포물선 프랙탈 분포와 같은 것이 있습니다(프랑스의 다른 도시와 관련하여 파리 시의 크기와 같은 실제 개체의 분포 모델링에 대한 상당히 새로운 것 https://en.wikipedia.org/wiki / Parabolic_fractal_distribution ). 당신이 대학에서 곧장 나오지 않는 한, 당신은 아마 이것을 배우지 않았을 것입니다. 여기가 어느 쪽인지 이해가 안 돼요
- 고정 분포: el인 경우. 벡터는 el입니다. Markov 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
- 나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.1. 프랙탈 분포: 이것은 베드로서와 이 책 말미에 있는 표에서 고려되는 것을 말합니다. 책 링크: http://www.ozon.ru/context/detail/id/1691158/ . 그건 그렇고, 스파이더에서도 무료로 사용할 수 있습니다. 또한 확률론적 금융 수학의 기초에서 Shiryaev의 보다 엄격한 설명이 있습니다. 여기서 프랙탈리티는 오히려 확률 분포의 안정성을 의미합니다.
2. 고정성: 네, 제가 그것을 부정확하게 표현했습니다(운이 좋게도 제가 쓴 후, 저는 제가 그것을 부정확하게 표현했다고 생각했습니다. 누군가는 분명히 잘못을 찾을 것입니다). 나는 분포의 정상성을 의미하는 것이 아니라 무작위 프로세스 반환의 정상성을 의미했습니다.
3. 나는 이항에서 정규로 수렴하는 이 정리에 대해 알고 있습니다. 나는 균일하게 분포된 값을 갖고 정규 분포 함수의 역함수를 알고 컴퓨터에서 정규 분포를 잘 모방할 수 있는 정리를 의미했습니다. 정확히 이름은 기억나지 않지만, 테르베르에서 가장 중요한 것 중 하나입니다.
마지막으로 이동 평균 주변의 시세 분포에 대해 이야기하는 것이 아닙니다. 그들의 정상성 ... 음, 직관적으로 그것은 겉보기에만 있고 전혀 표면에 있지 않습니다. 의미하는 것은 반품입니다. 이동 평균에 관계없이 인접한 막대의 종가 차이.
위의 게시물은 약간 혼란스럽습니다.
- 포물선 프랙탈 분포와 같은 것이 있습니다(프랑스의 다른 도시와 관련하여 파리 시의 크기와 같은 실제 개체의 분포 모델링에 대한 상당히 새로운 것 https://en.wikipedia.org/wiki / Parabolic_fractal_distribution ). 당신이 대학에서 곧장 나오지 않는 한, 당신은 아마 이것을 배우지 않았을 것입니다. 여기가 어느 쪽인지 이해가 안 돼요
- 고정 분포: el인 경우. 벡터는 el입니다. Markov 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
- 나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.애프터 화상! 이쇼를 걸어라!
위의 게시물은 약간 혼란스럽습니다.
- 포물선 프랙탈 분포와 같은 것이 있습니다(프랑스의 다른 도시와 관련하여 파리 시의 크기와 같은 실제 개체의 분포 모델링에 대한 상당히 새로운 것 https://en.wikipedia.org/wiki / Parabolic_fractal_distribution ). 당신이 대학에서 곧장 나오지 않는 한, 당신은 아마 이것을 배우지 않았을 것입니다. 여기가 어느 쪽인지 이해가 안 돼요
- 고정 분포: el인 경우. 벡터는 el입니다. 마르코프 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
- 나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.1. 프랙탈 분포: 이것은 베드로서와 이 책 말미에 있는 표에서 고려되는 것을 말합니다. 책 링크: http://www.ozon.ru/context/detail/id/1691158/ . 그건 그렇고, 스파이더에서도 무료로 사용할 수 있습니다. "Fundamentals of Stochastic Financial Mathematics"에서 Shiryaev의 보다 엄격한 설명도 있습니다. 여기서 프랙탈리티는 오히려 확률 분포의 안정성을 의미합니다.
2. 고정성: 네, 제가 그것을 부정확하게 표현했습니다(운이 좋게도 제가 쓴 후, 저는 제가 그것을 부정확하게 표현했다고 생각했습니다. 누군가는 분명히 잘못을 찾을 것입니다). 나는 분포의 정상성을 의미하는 것이 아니라 무작위 프로세스 반환의 정상성을 의미했습니다.
3. 나는 이항에서 정규로 수렴하는 이 정리에 대해 알고 있습니다. 나는 균일하게 분포된 값을 갖고 정규 분포 함수의 역함수를 알고 컴퓨터에서 정규 분포를 잘 모방할 수 있는 정리를 의미했습니다. 이름은 정확히 기억나지 않지만 테르베르에서 가장 중요한 것 중 하나입니다.
마지막으로 이동 평균 주변의 시세 분포에 대해 이야기하는 것이 아닙니다. 그들의 정상성 ... 음, 직관적으로 그것은 겉보기에만 있고 전혀 표면에 있지 않습니다. 의미하는 것은 반품입니다. 이동 평균에 관계없이 인접한 막대의 종가 차이.
3. Box-Muller 변환에 대해 쓰고 있습니까? 의사 난수 균일 분포 숫자에서 의사 난수 정규 분포 숫자 생성 정보: http://www.taygeta.com/random/gaussian.html . 그러나 여기 의사 무작위 균일 분포 변수가 어디에 있습니까?
2. 프로세스의 정상성: 아마도 그렇습니다. 나는 또한 분포 함수가 시간이 지남에 따라 변한다고 생각하지 않습니다.
1. 마지막 발언에 비추어 지금 파헤치고 읽기에는 너무 게으르다.
예를 들어, Kolmogorov-Smirnov 테스트가 있습니다. 무작위 샘플을 사용하면 무작위 변수의 분포가 정상인지 여부를 테스트할 수 있습니다. https://en.wikipedia.org/wiki/Kolmogorov-Smirnov_test . 이것이 당신에게 충분하지 않다면, 당신이 제공하는 것에 대한 설명에 당신이 알기 쉽게 위에 쓴 모든 것을 붙이십시오.
위의 게시물은 약간 혼란스럽습니다.
- 포물선 프랙탈 분포와 같은 것이 있습니다(프랑스의 다른 도시와 관련하여 파리 시의 크기와 같은 실제 개체의 분포 모델링에 대한 상당히 새로운 것 https://en.wikipedia.org/wiki / Parabolic_fractal_distribution ). 당신이 대학에서 곧장 나오지 않는 한, 당신은 아마 이것을 배우지 않았을 것입니다. 여기가 어느 쪽인지 이해가 안 돼요
- 고정 분포: el인 경우. 벡터는 el입니다. Markov 체인의 상태 공간에서 음수가 아닌 숫자는 최대 1을 더하고 el을 추가합니다. 나는 엘의 합이다. 벡터 j에 상태 j에서 i로의 전이 확률을 곱합니다. 나도 그게 어떻게 여기까지 왔는지 이해가 되지 않았다.
- 나는 또한 큰 n에 대해 이항 분포가 정규 분포로 수렴한다는 Moivre-Laplace 적분 정리를 알고 있습니다. 다른 쪽은 모르겠지만 이쪽도 이쪽은 절대 아닙니다.
글쎄, 정규 분포에 관해서는 - 인용문과 S.V.가 쓴 것과 같은 방식으로. 손바닥에 있는 것은 이동 평균 주위에 정상적으로 분포되어 있으므로 여기에서는 모든 것이 깨끗합니다.애프터 화상! 이쇼를 걸어라!