정규 분포가 정규 분포가 아닌 이유는 무엇입니까?
HP가 나오는 유일한 조건은 시리즈 구성원의 독립성입니다. 이것은 독립성이 충족되지 않는다는 증거입니다.
정상이 아닌듯. :) 이것은 이미 직감적으로 논의되었습니다. 이것이 Erlang 분포라고 합니다. 그리고 그들은 꼬리가 없다고 말하지만 꼬리가 있어야합니다. :)
나는 Erlang에 대해 이야기했지만 이것은 완전히 다른 질문입니다. 정규 분포에는 MO와 분산이라는 2개의 매개변수가 있습니다. 이 경우 MO = 0이지만 분산이 0이 아니므로 그래프를 그리려면 그 값을 설정해야 합니다. 그래서 Urain 이 분산 값을 어떻게 선택했는지 묻습니다.
그리고 일반적으로 그래프를 비교하려면 어떻게든 그래프를 공통 기준으로 가져와야 합니다. 이 받침대의 선택에 따라 완전히 다른 그림이있을 수 있습니다.
분산을 이 공통 베이스로 취하면 그래프가 더 좁아지지만 뚱뚱한 꼬리가 나타납니다.
나는 Erlang에 대해 이야기했지만 이것은 완전히 다른 질문입니다. 정규 분포에는 MO와 분산이라는 2개의 매개변수가 있습니다. 이 경우 MO = 0이지만 분산이 0이 아니므로 그래프를 그리려면 그 값을 설정해야 합니다. 그래서 Urain 이 분산 값을 어떻게 선택했는지 묻습니다.
그리고 일반적으로 그래프를 비교하려면 어떻게든 그래프를 공통 기준으로 가져와야 합니다. 이 받침대의 선택에 따라 완전히 다른 그림이있을 수 있습니다.
분산을 이 공통 베이스로 취하면 그래프가 더 좁아지지만 뚱뚱한 꼬리가 나타납니다.
Urain 이 획득한 계열의 유사한 특성을 기대 및 분산의 입력 매개변수로 취했다는 강한 의심이 있습니다. 하지만 그렇지 않을 수도 있습니다.
기계식 전구 생산 라인은 예상치 못한 무작위 고장, 장비 오류의 정규 분포를 가질 가능성이 높습니다. 따라서 일반적으로 얻은 전구의 수(밝기, 저항, 필라멘트 두께)가 정규 분포 곡선에 맞을 가능성이 큽니다. 이 정상 곡선의 측면(가는 꼬리)에는 실의 굵기가 표준을 초과하거나 그 미만으로 떨어지고 전구가 타버리는 경우가 매우 많습니다. 그러나 그러한 경계선, 비정상적인 경우의 총 수는 미리 계산할 수 있습니다(분포 곡선 등을 적분하여). 그러므로 램프 공장은 전구가 들어 있는 상자에 아주 가까운 장래에 평균 3개의 불량 전구가 있을 수 있다는 것을 미리 알고 있습니다. 보증 기간에 교체해야 하므로 BELIEVE IN THE SCIENCE OF STATISTICS 공장에서는 상자당 평균 3개의 추가 전구를 지역 전구 유통업체에 보고합니다. 전구 매개변수의 오류는 임의의 이벤트의 정상 곡선에 맞습니다(매개변수 자체가 아니라 오류). 여기서 랜덤 이벤트는 전구 자체의 릴리스가 아니라 전구 매개변수의 ERROR입니다.
전구 제조 공정(보다 정확하게는 전구 매개변수의 형성)이 정규 곡선에 맞지 않는 경우, 예를 들어 선이 끊어지고 결함이 있는 경우 공급자가 불량 텅스텐을 보낸 다음 결함의 수 급격히 증가하면 전구의 매개 변수가 "걸을 것"입니다. 그런 다음 전구 배치의 매개 변수를 정확하게 측정하면 표준 곡선에 맞지 않습니다. 이 경우 공장은 유통업체에 보고해야 할 전구의 수를 모릅니다.
무작위가 아닌 프로세스의 매개변수를 측정하면 ... 아무 말도 할 수 없습니다. 이벤트 발생에 대한 확률 분포 곡선을 만들 수 있습니다. 단순히 특정 간격으로 이벤트의 발생을 측정하는 것입니다. 하지만 ... 이것은 아무 것도 제공하지 않습니다.
전기 엔지니어, 수학자 및 통계학자는 측정 오류를 처리하기 위해 LOVE를 고용합니다. NORMAL일 가능성이 가장 높습니다(장치 자체가 일반 엔지니어에 의해 만들어진 경우). 따라서 모든 공식.
가격 시리즈의 경우 첫 번째 차이(또는 일부 다른 조합)는 무작위 이벤트가 아니며 해당 분포 곡선은 모든 유형을 가질 수 있습니다. 그리고 고도의 정확도로 알고 있다고 해도 거래를 위해 아무것도 제공하지 않습니다.
이론과 matstat에 따르면 결함을 찾지 마십시오. 나는 장치에 2개를 가지고 있었습니다.
종속성은 매우 다를 수 있습니다. 촛대 분석을 사용하는 이전 증분 자체의 값에서 반드시 그런 것은 아닙니다. 엠비. 예를 들어, 증분 계수에 대한 의존성(변동성). 변동성이 자기상관된다는 사실은 잘 알려진 사실이며, GARCH형 변동성 모형(자기상관을 이용한)은 노벨상을 받았다. 네, 직접 확인하는 것은 어렵지 않습니다. 그리고 이것이 배포판에 "헤비 테일"이 있는 옵션 중 하나입니다.
Z.Y. 넓은 의미에서 독립성은 고정성의 정의에서 설명됩니다.
분포의 두꺼운 꼬리에 대해 여러 번 들었지만 여전히 문제의 본질이 무엇인지 이해하지 못하고 막대 크기의 분포를 표시하는 표시기를 만들었습니다(차이 Close[i]- Close[i+1])를 별도의 것으로, 누군가가 클로즈 분포가 정상보다 좁은 이유를 설명할 것입니다.
표준 빨간색 선 분포 노란색 히스토그램.
글쎄, 실제로 만들어진 지표입니다. 원본 제목(Distribution_RNG_&_norm_test)