절대적으로 임의의 프로세스와 FOREX. - 페이지 4

새 코멘트
 
lna01 :
D.Will 은 다음과 같이 썼습니다.

그래프에서 - 완전히 결정적인 시리즈 , 통계적 특성 측면에서 무작위와 구별할 수 없습니다. 즉, 이것은 혼란 시리즈의 좋은 예일 뿐입니다. :) .

뭐가 문제 야??

우리를 혼동하지 마십시오 plz.

랜덤 프로세스는 정의상 랜덤 변수의 시퀀스입니다. 무작위 프로세스를 정의할 때 우리는 항상 분산, 수학 및 기타 모든 것에 대해 이야기합니다.



결정론적 프로세스는 매 순간마다 시스템이 다음 상태로 갈 것인지 명확하게 말할 수 있는 프로세스입니다.


표준 의사 난수 생성기의 경우 시리즈를 고유하게 예측하려면 시작된 숫자만 알면 됩니다. 즉, 그림의 시리즈는 이론적으로 완전히 예측 가능합니다.

1. 이 번호를 아세요?
2. 16비트의 정밀도로 (65536)개 이상의 요소 시퀀스를 생성할 수 없습니다.
 
lna01 писал (а): 표준 의사 난수 생성기의 경우 시리즈를 명확하게 예측하려면 시작되는 숫자만 알면 됩니다. 즉, 그림의 시리즈는 이론적으로 완전히 예측 가능합니다.


솔직히 말해서 그렇게 간단하지 않습니다. komposter 와 MathRand() 함수를 테스트할 때까지 저도 그렇게 생각했습니다. 여기 스레드가 있습니다: '초보자의 질문: 다른 창의 두 곡선' .

코드:

 #property show_inputs
 
/*extern int init_start    = 0;
extern int init_end      = 100000;*/
 
extern int iterations    = 1000000000 ;
 
int start ()
{
    int tmp , pre_tmp , count_23281 = 0 , count_16827 = 0 , count_23281_16827 = 0 ; string res ;
    //for ( int start = init_start; start < init_end; start ++ )
    {
        int start = 1 ;
        MathSrand ( start ) ;
        for ( int i = 0 ; i < iterations ; i ++ )
        {
            pre_tmp = tmp ;
            tmp = MathRand () ;
            if ( pre_tmp == 19169 ) //23281 )
            {
                count_23281 ++;
                if ( tmp == 15724 ) //16827 )
                {
                    count_23281_16827 ++;
                    res = StringConcatenate ( res , count_23281_16827 , " : Init value = " , 
                          start , " , interation # " , i , " \n " ) ;
                }
            }
            if ( pre_tmp == 16827 ) count_16827 ++;
        }
    }
    Comment ( " Чисел 23281 - " , count_23281 , " \n Чисел 16827 - " , count_16827 , 
                " \n Чередований 23281 с 16827 - " , count_23281_16827 , " : \n " , res ) ;
    return ( 0 ) ;
}
추신 아마도 당신이 옳을 것입니다. 그러나 이 순서의 기간은 분명히 매우 길다. 그레인은 전체 시퀀스를 결정하지만 동일한 번호로 시작하는 세그먼트는 다릅니다.
 
D.Will писал (а):
또한 작동이 완전히 설명된 시스템이 있습니다.
y(n+1)=a*y(n)*(1-y(n);
예측하기가 거의 불가능합니다. ->4의 경우.

이러한 과정을 결정론적 혼돈이라고 합니다.

실제로 실제로 우리는 매개변수의 값을 충분히 정확하게 알지 못할 것입니다. 그럼에도 불구하고 무질서한 과정은 무작위적인 과정보다 훨씬 더 많이 예측할 수 있습니다. 그러나 통계적 특성에 따라 이들을 구별하는 것은 불가능합니다. 그로부터 통계적 논증은 시장 예측 가능성 의 문제와 아무 관련이 없다는 결론이 나옵니다.
 
그래서 나는 난수의 의사 생성기의 결정성을 줄이기로 결정했습니다. 일련의 난수를 섞음으로써. 자꾸.

모두 닫기

N=1000;
r=NORMRND(0,0.0077,1,N);

r1=r;
% 믹스
i=1:1:10000의 경우
i1 = 고정(랜드*N)+1;
i2 = 고정(랜드*N)+1;
c=r(i1);
r(i1)=r(i2);
r(i2)=c;
끝;

수치;
%r=r-0.5;
i=2:1:길이(r)의 경우
r(i)=r(i)+r(i-1);
r1(i)=r1(i)+r1(i-1);
끝

그리드 켜기;

플롯(r);
수치;
플롯(r1);

결과


혼합


여기. 기간을 없앴습니다. 그리고 요점이 무엇입니까?
 
lna01 :
D.Will 은 다음과 같이 썼습니다.

또한 작동이 완전히 설명된 시스템이 있습니다. * 예를 들어

y(n+1)=a*y(n)*(1-y(n);

예측하기가 거의 불가능합니다. ->4의 경우.



이러한 과정을 결정론적 혼돈이라고 합니다.




실제로 실제로 우리는 매개변수의 값을 충분히 정확하게 알지 못할 것입니다. 그럼에도 불구하고 무질서한 과정은 무작위적인 과정보다 훨씬 더 많이 예측할 수 있습니다. 그러나 통계적 특성에 따라 이들을 구별하는 것은 불가능합니다. 따라서 통계적 논증은 시장 예측 가능성의 문제와 아무 관련이 없습니다.

충분한 정확도로. 이게 뭔가요?
모든 이론은 d.h에 상대적입니다. 모델 방정식 또는 이력(통계 패턴 추출)을 분석합니다.
그리고 통계적 특성으로 무엇을 이해합니까? 모와 표준? 그리고 이것이 두 시퀀스의 동등성을 나타내는 지표라고 누가 말합니까?
 
Mathemat :
lna01 은 다음과 같이 썼습니다. 표준 의사 난수 생성기의 경우 시리즈를 명확하게 예측하려면 시작되는 숫자만 알면 됩니다. 즉, 그림의 시리즈는 이론적으로 완전히 예측 가능합니다.

아니, 칸디다 . komposter 와 MathRand() 함수를 테스트할 때까지 저도 그렇게 생각했습니다. 스레드는 다음과 같습니다. https://forum.mql4.com/ru/6187 .
예를 들어 32자리 중 하위 16자리를 임의의 숫자로 취했다면 쌍을 반복하는 효과가 있을 수 있다고 생각합니다. 이것은 예측 가능성의 사실을 변경하지 않습니다. 동일한 시작 번호로 다른 시퀀스를 얻으면 상황이 더 복잡해집니다. 그런 다음 부분 예측 가능성에 대해서만 생각해야 합니다. :).
 
D.Will писал (а):

비결은 충분한 정확도로 그것이 무엇입니까?
질문에는 특정 작업에 대한 답변만 있을 수 있습니다.

PS "확률"의 밀도도 통계적 특성입니다. 또한 RNG를 사용하는 프로세스의 모든 특성을 재현하는 것도 보장하지 않습니다.
 
lna01 :
D.Will 은 다음과 같이 썼습니다.



비결은 충분한 정확도로 그것이 무엇입니까?


질문에는 특정 작업에 대한 답변만 있을 수 있습니다.



PS "확률"의 밀도도 통계적 특성입니다. 또한 RNG를 사용하는 프로세스의 모든 특성을 재현하는 것도 보장하지 않습니다.

특정 작업에 대해서도 이론적으로 이를 입증할 수 없습니다. 일부 프로세스의 매개변수를 10^-100만큼 변경하면 인식을 넘어 역동성을 변경할 수 있기 때문입니다. (분기점 등)
따라서 컴퓨터는 그러한 프로세스의 분석에 완전히 적합하지 않습니다. (근본적인 관점에서). 그들의 확률적이고 기술적인 모델링만이 가능합니다.


lna01> PS "확률"의 밀도도 통계적 특성입니다. 또한 RNG를 사용하는 프로세스의 모든 특성을 재현하는 것도 보장하지 않습니다.


이걸 어떻게 상상해?? 확률 변수 의 분포 법칙에 따라 무언가를 복원하는 방법 ??? 그러한 작업은 전혀 존재할 수 없습니다.
히스토그램을 주면 확률변수의 분포가 eurusd 1D의 분포와 같다는 것을 보여줄 뿐입니다.
 
D.Will писал (а):
lna01 :
D.Will 은 다음과 같이 썼습니다.

비결은 충분한 정확도로 그것이 무엇입니까?


질문에는 특정 작업에 대한 답변만 있을 수 있습니다.

특정 작업의 경우에도 이론적으로 재정의할 수 없습니다. 이 매개변수를 10^-100으로 변경하면 인식할 수 없는 프로세스의 역학을 변경할 수 있기 때문입니다. (분기점 등)
따라서 컴퓨터는 그러한 프로세스의 분석에 완전히 적합하지 않습니다. (근본적인 관점에서). 그들의 확률적이고 기술적인 모델링만이 가능합니다.
예를 들어 어트랙터 가 매개변수 값의 일부 범위에 대해 정의될 수 있다면 이는 부분적 예측 가능성을 의미합니다. 이 경우 이러한 범위의 경계는 매개변수를 결정하는 정확도의 "충분함"을 결정합니다. 나는 그러한 프로세스를 분석할 컴퓨터가 없다는 점에 대해 전적으로 동의합니다. 이 문제에서 가장 중요한 것은 머리입니다. :)
히스토그램을 주면 확률변수의 분포가 eurusd 1D의 분포와 같다는 것을 보여줄 뿐입니다.
네, 그렇습니다. 그리고 저는 "그래서?"라고 물었습니다. :) 반복합니다: 무작위로 배치하는 행은 무작위가 아닙니다. 통계적 특성만 중요한 작업에 대해서만 무작위로 사용할 수 있습니다. 즉, 주제 제목에 "RNG of Matlab and FOREX"라고 쓰는 것이 더 정확할 것입니다. :) . 사실 제 포스팅의 주된 생각은 Matlab의 RNG를 '절대적으로 랜덤한 과정'이라고 생각할 이유가 없다는 것입니다.
 
lna01 :
D.Will 은 다음과 같이 썼습니다.

lna01 :

D.Will 은 다음과 같이 썼습니다.



비결은 충분한 정확도로 그것이 무엇입니까?





질문에는 특정 작업에 대한 답변만 있을 수 있습니다.



특정 작업의 경우에도 이론적으로 재정의할 수 없습니다. 이 매개변수를 10^-100으로 변경하면 인식할 수 없는 프로세스의 역학을 변경할 수 있기 때문입니다. (분기점 등)

따라서 컴퓨터는 그러한 프로세스의 분석에 완전히 적합하지 않습니다. (근본적인 관점에서). 그들의 확률적이고 기술적인 모델링만이 가능합니다.

예를 들어 어트랙터가 매개변수 값의 일부 범위에 대해 정의될 수 있다면 이는 부분적 예측 가능성을 의미합니다. 이 경우 이러한 범위의 경계는 매개변수를 결정하는 정확도의 "충분함"을 결정합니다. 나는 그러한 프로세스를 분석할 컴퓨터가 없다는 점에 대해 전적으로 동의합니다. 이 문제에서 가장 중요한 것은 머리입니다. :)

히스토그램을 주면 확률변수의 분포가 eurusd 1D의 분포와 같다는 것을 보여줄 뿐입니다.


네. 그리고 저는 "그래서?"라고 물었습니다. :) 반복합니다: 무작위로 배치하는 행은 무작위가 아닙니다. 통계적 특성만 중요한 작업에 대해서만 무작위로 사용할 수 있습니다. 즉, 주제 제목에 "RNG of Matlab and FOREX"라고 쓰는 것이 더 정확할 것입니다. :) . 사실 제 포스팅의 주된 생각은 Matlab의 RNG를 '절대적으로 랜덤한 과정'이라고 생각할 이유가 없다는 것입니다.
잘 복근. 우연히 아무것도 없습니다. 따라서 주제의 이름은 "ab. random"과 "non-random"의 유사성을 강조하기 위해 명명되었습니다.

위를 보면 전체 시퀀스를 여러 번 혼합한 예를 들었습니다. 하나와 두 번째 시퀀스를 모두 표시했습니다.
이것은 RNG의 결정성을 줄이기 위한 시도입니다. 움직임의 본질은 동일합니다.
123456789
새 코멘트