... 그 과정에서 내 마음 속에 흥미로운 질문이 떠올랐습니다. 아마도 누군가는 좋은 속성을 가진 간단하고 편리한 유형의 분포 함수가 통계에서 사용되지 않는 이유를 알려줄 것입니다. 그리고 그것이 사용된다면 왜 그것에 대해 기록되지 않습니까? 나는 로그 정규 이외의 증분 분포를 근사하려고 시도하는 사람을 본 적이 없습니다.
유라, 이 질문에 대한 답을 모르겠습니다.
나는 당신이 제안한 분포 p(X)=A*(X^a)*exp(–B*(X^b)) 가 보다 일반적인 경우의 특별한 경우라고만 가정할 수 있습니다(예: 일반화 지수 분포 p(X)=a /(2Г[1/a]*l*s)exp{-[(xm)/l*sl*s]^a} , Bulashev, p. 41), 또는 에센스를 꿰뚫어볼 수 있어서, 끝없이 펼쳐진 포폴에서 조용히 배추를 썰고 있는 것이 좋다고 생각했습니다. :)
나도 그렇게 생각했고, 일반화 분포에 지수항이 참여했다면 그랬을 것이다. 그리고 그런 것이 없기 때문에 일반화된 분포는 0에서 0이 아닌 값을 가지며 x<0 영역으로 확장됩니다. 지수 항은 왼쪽 기울기를 매우 가파르게 만들고(< 1에 대한 일반화된 기울기에서 두 기울기 모두 완만함) 오른쪽 기울기는 일반화된 것보다 훨씬 더 완만합니다. 나는이 단어를 두려워하지 않습니다 - 뚱뚱한 꼬리. :-) 그리고 가장 중요한 것은 명시적으로 통합되어 있지 않다는 것입니다.
하지만 반론이 있습니다!
얼마 전 나는 임의의 순서의 자기회귀 모델에 참여했습니다(현재 막대의 진폭과 임의의 수의 이전 막대의 동작 합계에 대한 부호의 의존성을 검색할 때입니다). 나는 이 문제를 너무 잘 풀었고, 모델 범위의 출현으로 그것이 실제 시리즈인지 아닌지 구별할 수 없을 정도로 하나의 경우가 아니라면 그러나 모델 범위의 분포 함수(DF)는 다음과 같이 밝혀졌습니다. 현실과는 거리가 멀다. 불일치의 원인을 찾지 못했습니다. 직관적으로, 나는 자기 상관 함수의 일치가 첫 번째 차이의 DF 일치에 충분하다고 느꼈습니다. 그렇지 않은 것으로 밝혀졌습니다. 여러 잔류물의 거동을 모델링할 때 고려하지 않은 것이 있습니다.
이 문제에 대해 어떻게 생각하세요?
나는 당신이이 문제를 해결 한 방법이나 잔차를 모델링하는 방법을 모르고 수학 통계에서 나는 두 다리와 왼손이 절름발이이므로 슬프게도 아무 말도 할 수 없습니다. 적어도 이것에 대해 생각하기 시작하려면 이 작은 단락만으로는 개인적으로 충분하지 않습니다. 스털리츠로서 저는 반성을 위해 더 많은 정보가 필요합니다.
Ymin 및 Ymax 자체를 계산하는 것이 아닙니다. 그리고 파생 시리즈의 원본 데이터 시리즈의 데이터 측면 에서. 또한 정규화 재계산 방법은 임의적이며 수행한 기록 집합과 관련이 있습니다. t/f를 전환할 때 2,000바에서 500,000바로 변경할 수 있습니다. 첫 번째 경우 범위의 경계에 도달하는 것은 아무 말도 하지 않고 두 번째 경우에는 많은 것을 말합니다. 내 방법은 모델 분포 함수를 염두에 둔 자의적이라고 비난받을 수 있습니다. 그러나 "최대 가용" 데이터 양으로 실험적으로 구성된 실제 분포가 모델 1에 의해 잘 근사된다면 임의성은 무엇입니까?
저는 이론적인 문제에 대해 논쟁하는 것을 좋아하지 않습니다. 제가 결정할 수 있는 경우는 거의 없습니다. :) 그리고 이 경우 보편적인 평가를 설정하려는 시도는 없었다. 나는 단지 "나 자신을 위해" 실제 계산량을 이해하고 비교하려고 노력했습니다. 귀하의 접근 방식을 위해 여기에 내 접근 방식에 필요하지 않은 원래 시리즈의 특성 계산을 포함해야 할 것 같습니다. 두 번째 요점 - Y에 대한 계산이 단순한 평균보다 더 복잡한 결과를 가져올지 명확하지 않습니다. 원본 시리즈를 처리해야 하기 때문에 귀하의 방법이 나와 같은 기간에 민감하게 반응하지 않습니까? 나는 요점이 원래 시리즈의 세부 사항에 있다는 것을 이해합니다. 그러나 나는 유사한 트럼프 카드를 가지고 있습니다. 발견된 불변, 모든 테스트된 기호(주요) 및 모든 기간에 대해 동일합니다. 나는 자의성에 대해 불만이 없었습니다. 현상학에 대한 유일한 제한은 근사의 정확성이며 나는 자의성이 아니라 자유도라고 부르는 것을 선호합니다. :)
질문: 정지된 과정에 대한 어떤 정보가 그것을 정확하게 재현하기에 충분합니까? 답은 이것이었습니다. 공분산 함수와 m.d를 알아야 합니다. 프로세스. 주어진 공분산 함수로 프로세스를 구축하는 방법을 아직 모릅니다. 그러나 이론적으로 결과 프로세스는 원래 모델링된 프로세스의 올바른 구현으로 간주될 수 있습니다. 프로세스가 고정적이지 않았습니까?
추신: 렘넌트(반환)의 과정을 사실적으로 시뮬레이션하고 싶습니다. Peters에 따르면 허용 가능한 정확도의 잔차 분포는 프랙탈이며 프로세스는 정상적입니다. 다른 모델은 제외되지 않지만 ...
헤이 수학!
나는 통계 분야의 아마추어이며(반대 진술은 유라의 양심에 남겨둡니다) 대부분의 질문에 대한 답을 모릅니다.
시리즈의 DF, 평균 및 분산이 시간에 의존하지 않는 경우 계열은 엄격하게 고정적(좁은 의미에서 고정적)이라고 합니다.
평균과 분산이 시간에 의존하지 않는 경우 계열을 약하게 고정된(또는 넓은 의미에서 고정된) 계열이라고 합니다.
실제로, 우리의 일련의 첫 번째 차이점은 단어의 넓은 의미에서도 고정적이지 않습니다. 진폭이 눈에 띄게 걷는데 이것이 관찰된 효과의 이유일 수 있다고 생각하십니까?
lna01 : 저는 이론적인 문제에 대해 논쟁하는 것을 좋아하지 않습니다. 제가 결정할 수 있는 경우는 거의 없습니다. :) 그리고 이 경우 보편적인 평가를 설정하려는 시도는 없었다. 나는 단지 "나 자신을 위해" 실제 계산량을 이해하고 비교하려고 노력했습니다. 귀하의 접근 방식을 위해 여기에 내 접근 방식에 필요하지 않은 원래 시리즈의 특성 계산을 포함해야 할 것 같습니다. 두 번째 요점 - Y에 대한 계산이 단순한 평균보다 더 복잡한 결과를 가져올지 명확하지 않습니다. 원본 시리즈를 처리해야 하기 때문에 귀하의 방법이 나와 같은 기간에 민감하게 반응하지 않습니까? 나는 요점이 원래 시리즈의 세부 사항에 있다는 것을 이해합니다. 그러나 나는 유사한 트럼프 카드를 가지고 있습니다. 발견된 불변, 모든 테스트된 기호(주요) 및 모든 기간에 대해 동일합니다. 나는 자의성에 대해 불만이 없었습니다. 현상학에 대한 유일한 제한은 근사의 정확성이며 나는 자의성이 아니라 자유도라고 부르는 것을 선호합니다. :)
그래서 저는 논쟁하지 않습니다. 예, 변명합니다. :-)
중요하지 않은 평균화 방법에 대한 계산은 어두운 숲입니다. 나는 거기에 가지 않습니다. 나는 내 문제를 해결했고 괜찮습니다.
씨발, 솔직히 말해. 오래전에 읽었는데, 이 못된 포레치를 더 예뻐질 수 있는 방법을 생각해 낸 것 같습니다. .. 좋아, 나는 요즘에 한 번 살펴보고 거기에 무엇이 있는지 알아낼 것이다. 수익률이 있는 그림은 확실히 비열합니다. 그건 확실합니다... 그리고 수익률이 분산되면 더 비참합니다.
Vinin 의 질문이 여기에 나왔습니다: '베타 배포' . 이것은 특정 작업이며 모두 지점 작성자의 목표에 달려 있습니다. 일반적으로 모스크바 지역에는 아무런 문제가 없습니다. 대가로 상황은 동일합니다. MO 일일 차트에는 EUR의 2001 이후 추세와 RMS-최소 수십 포인트의 몇 가지 포인트가 있습니다. 같은 추세에서 1시간의 유로 수익은 MO에 약 0.2포인트를 제공하고 RMS는 최소 몇 포인트를 제공합니다.
Mathemat : Vinin 의 질문이 여기에 나왔습니다: '베타 배포' . 이것은 특정 작업이며 모두 지점 작성자의 목표에 달려 있습니다. 일반적으로 모스크바 지역에는 아무런 문제가 없습니다. 대가로 상황은 동일합니다. MO 일일 차트에는 EUR의 2001 이후 추세와 RMS-최소 수십 포인트의 몇 가지 포인트가 있습니다. 같은 추세에서 1시간의 유로 수익은 MO에 약 0.2포인트를 제공하고 RMS는 최소 몇 포인트를 제공합니다.
대가로 나쁜 경우입니다. 거래의 주요 특징은 수입/위험입니다. 위험은 변동성, 체계적 소득 MO에 의해 결정됩니다. Sharp (기간 동안 수입 / RMS), Sortino-같은 지표도 있지만 "하향 변동성"이 고려됩니다. SD가 MO보다 크면 이 변동성으로 인한 손실이 양의 MO와 관련된 잠재적 수익을 초과할 가능성이 높습니다.
... 그 과정에서 내 마음 속에 흥미로운 질문이 떠올랐습니다. 아마도 누군가는 좋은 속성을 가진 간단하고 편리한 유형의 분포 함수가 통계에서 사용되지 않는 이유를 알려줄 것입니다. 그리고 그것이 사용된다면 왜 그것에 대해 기록되지 않습니까? 나는 로그 정규 이외의 증분 분포를 근사하려고 시도하는 사람을 본 적이 없습니다.
유라, 이 질문에 대한 답을 모르겠습니다.
나는 당신이 제안한 분포 p(X)=A*(X^a)*exp(–B*(X^b)) 가 보다 일반적인 경우의 특별한 경우라고만 가정할 수 있습니다(예: 일반화 지수 분포 p(X)=a /(2Г[1/a]*l*s)exp{-[(xm)/l*sl*s]^a} , Bulashev, p. 41), 또는 에센스를 꿰뚫어볼 수 있어서, 끝없이 펼쳐진 포폴에서 조용히 배추를 썰고 있는 것이 좋다고 생각했습니다. :)
나도 그렇게 생각했고, 일반화 분포에 지수항이 참여했다면 그랬을 것이다. 그리고 그런 것이 없기 때문에 일반화된 분포는 0에서 0이 아닌 값을 가지며 x<0 영역으로 확장됩니다. 지수 항은 왼쪽 기울기를 매우 가파르게 만들고(< 1에 대한 일반화된 기울기에서 두 기울기 모두 완만함) 오른쪽 기울기는 일반화된 것보다 훨씬 더 완만합니다. 나는이 단어를 두려워하지 않습니다 - 뚱뚱한 꼬리. :-) 그리고 가장 중요한 것은 명시적으로 통합되어 있지 않다는 것입니다.
하지만 반론이 있습니다!
얼마 전 나는 임의의 순서의 자기회귀 모델에 참여했습니다(현재 막대의 진폭과 임의의 수의 이전 막대의 동작 합계에 대한 부호의 의존성을 검색할 때입니다). 나는 이 문제를 너무 잘 풀었고, 모델 범위의 출현으로 그것이 실제 시리즈인지 아닌지 구별할 수 없을 정도로 하나의 경우가 아니라면 그러나 모델 범위의 분포 함수(DF)는 다음과 같이 밝혀졌습니다. 현실과는 거리가 멀다. 불일치의 원인을 찾지 못했습니다. 직관적으로, 나는 자기 상관 함수의 일치가 첫 번째 차이의 DF 일치에 충분하다고 느꼈습니다. 그렇지 않은 것으로 밝혀졌습니다. 여러 잔류물의 거동을 모델링할 때 고려하지 않은 것이 있습니다.
이 문제에 대해 어떻게 생각하세요?
나는 당신이이 문제를 해결 한 방법이나 잔차를 모델링하는 방법을 모르고 수학 통계에서 나는 두 다리와 왼손이 절름발이이므로 슬프게도 아무 말도 할 수 없습니다. 적어도 이것에 대해 생각하기 시작하려면 이 작은 단락만으로는 개인적으로 충분하지 않습니다. 스털리츠로서 저는 반성을 위해 더 많은 정보가 필요합니다.
Ymin 및 Ymax 자체를 계산하는 것이 아닙니다. 그리고 파생 시리즈의 원본 데이터 시리즈의 데이터 측면 에서. 또한 정규화 재계산 방법은 임의적이며 수행한 기록 집합과 관련이 있습니다. t/f를 전환할 때 2,000바에서 500,000바로 변경할 수 있습니다. 첫 번째 경우 범위의 경계에 도달하는 것은 아무 말도 하지 않고 두 번째 경우에는 많은 것을 말합니다. 내 방법은 모델 분포 함수를 염두에 둔 자의적이라고 비난받을 수 있습니다. 그러나 "최대 가용" 데이터 양으로 실험적으로 구성된 실제 분포가 모델 1에 의해 잘 근사된다면 임의성은 무엇입니까?
나는 자의성에 대해 불만이 없었습니다. 현상학에 대한 유일한 제한은 근사의 정확성이며 나는 자의성이 아니라 자유도라고 부르는 것을 선호합니다. :)
내가 개입할게, 뉴트론 . 저는 통계 전문가가 아니기 때문에 mekhmat( lib.mexmat.ru )에서 질문을 해야 했습니다. 여기에 있습니다: http://lib.mexmat.ru/forum/viewtopic.php?t=9102
질문: 정지된 과정에 대한 어떤 정보가 그것을 정확하게 재현하기에 충분합니까? 답은 이것이었습니다. 공분산 함수와 m.d를 알아야 합니다. 프로세스. 주어진 공분산 함수로 프로세스를 구축하는 방법을 아직 모릅니다. 그러나 이론적으로 결과 프로세스는 원래 모델링된 프로세스의 올바른 구현으로 간주될 수 있습니다. 프로세스가 고정적이지 않았습니까?
추신: 렘넌트(반환)의 과정을 사실적으로 시뮬레이션하고 싶습니다. Peters에 따르면 허용 가능한 정확도의 잔차 분포는 프랙탈이며 프로세스는 정상적입니다. 다른 모델은 제외되지 않지만 ...
헤이 수학!
나는 통계 분야의 아마추어이며(반대 진술은 유라의 양심에 남겨둡니다) 대부분의 질문에 대한 답을 모릅니다.
시리즈의 DF, 평균 및 분산이 시간에 의존하지 않는 경우 계열은 엄격하게 고정적(좁은 의미에서 고정적)이라고 합니다.
평균과 분산이 시간에 의존하지 않는 경우 계열을 약하게 고정된(또는 넓은 의미에서 고정된) 계열이라고 합니다.
실제로, 우리의 일련의 첫 번째 차이점은 단어의 넓은 의미에서도 고정적이지 않습니다. 진폭이 눈에 띄게 걷는데 이것이 관찰된 효과의 이유일 수 있다고 생각하십니까?
추신: Peters가 이 프로세스가 고정적이라고 말한 것이 무엇을 의미했는지 궁금합니다.
저는 이론적인 문제에 대해 논쟁하는 것을 좋아하지 않습니다. 제가 결정할 수 있는 경우는 거의 없습니다. :) 그리고 이 경우 보편적인 평가를 설정하려는 시도는 없었다. 나는 단지 "나 자신을 위해" 실제 계산량을 이해하고 비교하려고 노력했습니다. 귀하의 접근 방식을 위해 여기에 내 접근 방식에 필요하지 않은 원래 시리즈의 특성 계산을 포함해야 할 것 같습니다. 두 번째 요점 - Y에 대한 계산이 단순한 평균보다 더 복잡한 결과를 가져올지 명확하지 않습니다. 원본 시리즈를 처리해야 하기 때문에 귀하의 방법이 나와 같은 기간에 민감하게 반응하지 않습니까? 나는 요점이 원래 시리즈의 세부 사항에 있다는 것을 이해합니다. 그러나 나는 유사한 트럼프 카드를 가지고 있습니다. 발견된 불변, 모든 테스트된 기호(주요) 및 모든 기간에 대해 동일합니다.
나는 자의성에 대해 불만이 없었습니다. 현상학에 대한 유일한 제한은 근사의 정확성이며 나는 자의성이 아니라 자유도라고 부르는 것을 선호합니다. :)
그래서 저는 논쟁하지 않습니다. 예, 변명합니다. :-)
중요하지 않은 평균화 방법에 대한 계산은 어두운 숲입니다. 나는 거기에 가지 않습니다. 나는 내 문제를 해결했고 괜찮습니다.
추신: Peters가 이 프로세스가 고정적이라고 말한 것이 무엇을 의미했는지 궁금합니다.
이 과정이 수렴의 한계가 없는 것은 아닐까? :-)))
그건 그렇고, Neutron, 나에게 한 가지 세부 사항을 설명해 주시겠습니까? MO<RMS일 때 나쁜 점은 무엇이며 그 반대의 경우 좋은 점은 무엇입니까? 이 질문은 여기에서 한 번 발생했으며 내가 사용한 FR은이 나쁜 속성을 가지고 있습니다.
Mathemat , 아마도 당신도 이것을 알고 있을 것이므로 문맹자에게 설명하십시오.
Vinin 의 질문이 여기에 나왔습니다: '베타 배포' . 이것은 특정 작업이며 모두 지점 작성자의 목표에 달려 있습니다. 일반적으로 모스크바 지역에는 아무런 문제가 없습니다. 대가로 상황은 동일합니다. MO 일일 차트에는 EUR의 2001 이후 추세와 RMS-최소 수십 포인트의 몇 가지 포인트가 있습니다. 같은 추세에서 1시간의 유로 수익은 MO에 약 0.2포인트를 제공하고 RMS는 최소 몇 포인트를 제공합니다.
대가로 나쁜 경우입니다. 거래의 주요 특징은 수입/위험입니다. 위험은 변동성, 체계적 소득 MO에 의해 결정됩니다. Sharp (기간 동안 수입 / RMS), Sortino-같은 지표도 있지만 "하향 변동성"이 고려됩니다. SD가 MO보다 크면 이 변동성으로 인한 손실이 양의 MO와 관련된 잠재적 수익을 초과할 가능성이 높습니다.