어떻게 관련이 없습니까? 정규 분포는 정상이고 HP에 분포된 SB 증분은 정상입니다. 저는 원래 증분에 대해 이야기했습니다. ...
HP가 비정상적이라고 생각하십니까? 아니면 각각의 연속 분포에 대해 정상인지 아닌지를 말하는 것이 불가능합니까? :)
다음은 고정성의 정의입니다. 분포에 대한 단어가 어디에 있습니까? 정상성은 분포가 아니라 프로세스의 속성입니다. 이 프로세스에는 일종의 배포가 있습니다. 정규 분포를 갖는 프로세스는 정상적일 수도 있고 정상적이지 않을 수도 있습니다. 배포에 의존하지 않습니다. 그리고 물론, 프로세스의 분포만 알고 있기 때문에 그 고정성에 대해 아무 말도 할 수 없습니다.
SB 자체와 관련하여(증가의 누적 합계로): 이전 게시물에서 귀하가 설명한 "헤비 테일"은 없을 것입니다. SB 자체도 정규 분포를 따르지만 하나의 증분보다 t배 더 많이 분산되기 때문입니다(원점에서 시간 t에서). 예, 시간이 증가함에 따라 SB 분포의 분산이 증가하고 이 분포는 실제로 일반적으로 분포된 독립 랜덤 변수의 합(증분)이며, 이는 링크의 안정성 정의에 해당합니다. 예를 들어 3 시그마에 대한 두꺼운 꼬리와 특정 시점(또는 분석적으로)에서 분산을 계산하는 경우 SB의 경우 모든 것이 정상과 같습니다. 특정 매개변수에서는 정상일 것입니다 - 최종 분산 및
글을 쓰기 전에 Matlab에서 상황을 시뮬레이션했습니다. 내 말에 책임이 있습니다. 그리고 당신은 무작위로 열병을 일으키고 있습니다. Avatar가 원하는 대로 "때때로" 증분 값이 두 배가 되면 "큰" 편차의 분산이 증가하고 첨도가 증가합니다. 증분은 원래 그랬더라도 더 이상 정규 분포를 따르지 않습니다. 그러나 SB 자체에는 꼬리가 없으며 SB는 정규 분포를 가지며 동시에 증분의 특성에 관계없이 고정적이지 않습니다.
나는 각 분포에 대해 그것이 정상인지 아닌지 또는 상응하게 분포된 동일한 프로세스가 고정되어 있는지 여부를 알아내는 것이 가능하다고 말합니다. 그리고 그는 SB 증분이 정상 분포에 의해 모델링된다고 썼습니다. 예를 들어 분포가 정규이면 공정은 정상적입니다. 정규 분포를 따르는 프로세스가 비정상적일 수 있습니까?
정상성은 분포가 아니라 프로세스의 속성입니다. 이 프로세스에는 일종의 배포가 있습니다. 정규 분포를 가진 프로세스는 정상적일 수도 있고 정상적이지 않을 수도 있습니다. 배포에 의존하지 않습니다. 그리고 물론, 프로세스의 분포만 알고 있기 때문에 그 고정성에 대해 아무 말도 할 수 없습니다.
글을 쓰기 전에 Matlab에서 상황을 시뮬레이션했습니다. 내 말에 책임이 있습니다. 그리고 당신은 무작위로 열병을 일으키고 있습니다. Avatar가 원하는 대로 "때때로" 증분 값이 두 배가 되면 "큰" 편차의 분산이 증가하고 첨도가 증가합니다. 증분은 원래 그랬더라도 더 이상 정규 분포를 따르지 않습니다. 그러나 SB 자체에는 꼬리가 없으며 SB는 정규 분포를 가지며 동시에 증분의 특성에 관계없이 고정적이지 않습니다.
나는 당신이 모델링 한 것과 어떻게 두꺼운 꼬리를 가지고 있는지 잘 이해하지 못했습니다. 내가 아바타를 요청한 것을 이해하므로 꼬리가 없어야 합니다. 아마도 내가 잘못 이해했을 것입니다 :( 적어도 얻은 분포의 히스토그램과 모델링 방법을 제공하십시오 SB는 고정적이지 않고 I(1)입니다. 첫 번째 차이는 내가 쓴 것처럼 고정적(증가)입니다. 또한 고정적이며 고정된 시간에 대한 정규 분포입니다. 시간 t0에서 분포는 정상이고 하나는 시간 t1에서 다른 분포입니다. 그러나 시간 x=F(t)로부터의 과정으로서 SB 자체는 정상적이지 않고 정규 분포를 따르지 않습니다. 분산이 t->무한대에서 무한하기 때문입니다. 첫 번째 차이(증가)는 정규 분포를 따릅니다. 이전 포스팅에 출처 링크 걸어두었습니다.
나는 이미 이 예제를 세 번 제공했습니다. 랜덤 워크는 정규 분포를 사용하는 비정상 프로세스입니다. 분포는 사람의 모습이고, 비정상은 성장입니다. 뚱뚱한(이러한 분포) 사람은 키가 클 수도 있고 낮을 수도 있고, 심지어 25세까지 자랄 수도 있고, 그 다음에는 아래로 자랄 수 있으며, 그의 너비가 변경됩니다. 나이가 들면 모든 것이 더 뚱뚱해지고 두꺼워집니다. 비 고정. 그러나 키는 그림과 관련이 없습니다. 정상성은 분포의 속성이 아니라 프로세스의 속성입니다.
나는 이미 이 예제를 세 번 제공했습니다. 랜덤 워크는 정규 분포를 사용하는 비정상 프로세스입니다. 분포는 사람의 모습이고, 비정상은 성장입니다. 뚱뚱한(이러한 분포) 사람은 키가 클 수도 있고 낮을 수도 있고, 심지어 25세까지 자랄 수도 있고, 그 다음에는 아래로 자랄 수 있으며, 그의 너비가 변경됩니다. 나이가 들면 모든 것이 더 뚱뚱해지고 두꺼워집니다. 비 고정. 그러나 키는 그림과 관련이 없습니다. 정상성은 분포의 속성이 아니라 프로세스의 속성입니다.
당신은 착각하고 있습니다 - 시간의 함수로서의 SB는 HP가 아니며 고정적이지 않습니다. - 그렇습니다. 기준점에서 고정된 특정 순간에 SB의 증분 및 분포는 정상적이며 정규 분포를 따릅니다. SB와 달리 시간 함수로 mo와 분산을 계산할 수 있습니다.
나는 당신이 모델링 한 것과 어떻게 두꺼운 꼬리를 가지고 있는지 잘 이해하지 못했습니다. 내가 아바타를 요청한 것을 이해하므로 꼬리가 없어야 합니다. 아마도 내가 잘못 이해했을 것입니다 :( 적어도 얻은 분포의 히스토그램과 모델링 방법을 제공하십시오
그것은 다음과 같았습니다.
(즉, |y(i)-y(i-1)|>= i 번째 단계 에서 영웅의 힘 , 그러면 i+1 단계에서 생성된 힘(마이너스 - 의심 포함)은 두 배가 되어야 합니다.
빨간색으로 강조 표시된 것은 i-1이어야 합니다. 그렇지 않으면 항상 평등합니다. 저것들. 증분이 충분히 크게 생성된 경우에는 2를 곱해야 합니다. 이것은 꼬리가 두꺼워지는 큰 증분 영역에서 분산을 정확하게 증가시킵니다. e(i) = s(i)-b(i); abs(e(i)) > abs(e(i-1))인 경우 e(i) = e(i) * 2 끝
당신은 내가 아니라 구구단으로 논쟁하고 있습니다. 그리고 불행합니다. 다음은 균일한 증분 분포를 가진 1000개의 랜덤 워크입니다. 이것이 정규 분포가 아니라는 모니터에 계속 머리를 부딪힐 수 있습니다. 그리고 나는 이미 지쳤습니다.
팀보 이미 3 번 같은 것을 씁니다. 예, SB는 일정 시간 간격으로 생성됩니다(예: 0-1000(귀하의 그림 참조) F(t1000)) - 분포는 정상이고 정상입니다. mo=0, disp=1000*disp_increment. 그리고 다른 고정된 기간 동안 분포는 정상적이고 정상적이며 분산은 길이에 비례합니다. 그러나 시간 F(t)의 함수로서 SB 프로세스 자체는 비정규 비정상이 아닙니다. 그 mo도 = 0이지만 분산은 무한합니다. 고정 및 HP의 경우 취하지 말아야 할 것 - 분산은 동일하고 고정된 수 - 시간이 지나도 변하지 않는 고정 조건입니다.
팀보 이미 3 번 같은 것을 씁니다. 예, SB는 일정 시간 간격으로 생성됩니다(예: 0-1000(귀하의 그림 참조) F(t1000)) - 분포는 정상이고 정상입니다. mo=0, disp=1000*disp_increment. 그리고 다른 고정된 기간 동안 분포는 정상적이고 정상적이며 분산은 길이에 비례합니다. 그러나 시간 F(t)의 함수로서 SB 프로세스 자체는 비정규 비정상이 아닙니다. 그 mo도 = 0이지만 분산은 무한합니다. 고정 및 HP의 경우 취하지 말아야 할 것 - 분산은 동일하고 고정된 수 - 시간이 지나도 변하지 않는 고정 조건입니다.
예, 어떤 시간 간격에서든 SB는 정규 분포를 갖습니다. 최소 1015, 최소 2256 카운트, 최소 1305에서 5321 사이입니다. 일반적으로 가변 길이의 모든 세그먼트는 정규 분포를 나타냅니다. 이러한 증분에서 , 다른 각도에서 그 과정을 보십시오. 명확하게 정의된 벨이 보인다고 이것이 그것을 형성하는 과정이 정지되어 있다는 것을 의미하지는 않습니다.
어떻게 관련이 없습니까? 정규 분포는 정상이고 HP에 분포된 SB 증분은 정상입니다. 저는 원래 증분에 대해 이야기했습니다.
...
HP가 비정상적이라고 생각하십니까? 아니면 각각의 연속 분포에 대해 정상인지 아닌지를 말하는 것이 불가능합니까? :)
다음은 고정성의 정의입니다. 분포에 대한 단어가 어디에 있습니까? 정상성은 분포가 아니라 프로세스의 속성입니다. 이 프로세스에는 일종의 배포가 있습니다. 정규 분포를 갖는 프로세스는 정상적일 수도 있고 정상적이지 않을 수도 있습니다. 배포에 의존하지 않습니다. 그리고 물론, 프로세스의 분포만 알고 있기 때문에 그 고정성에 대해 아무 말도 할 수 없습니다.
SB 자체와 관련하여(증가의 누적 합계로): 이전 게시물에서 귀하가 설명한 "헤비 테일"은 없을 것입니다. SB 자체도 정규 분포를 따르지만 하나의 증분보다 t배 더 많이 분산되기 때문입니다(원점에서 시간 t에서). 예, 시간이 증가함에 따라 SB 분포의 분산이 증가하고 이 분포는 실제로 일반적으로 분포된 독립 랜덤 변수의 합(증분)이며, 이는 링크의 안정성 정의에 해당합니다. 예를 들어 3 시그마에 대한 두꺼운 꼬리와 특정 시점(또는 분석적으로)에서 분산을 계산하는 경우 SB의 경우 모든 것이 정상과 같습니다. 특정 매개변수에서는 정상일 것입니다 - 최종 분산 및
글을 쓰기 전에 Matlab에서 상황을 시뮬레이션했습니다. 내 말에 책임이 있습니다. 그리고 당신은 무작위로 열병을 일으키고 있습니다. Avatar가 원하는 대로 "때때로" 증분 값이 두 배가 되면 "큰" 편차의 분산이 증가하고 첨도가 증가합니다. 증분은 원래 그랬더라도 더 이상 정규 분포를 따르지 않습니다. 그러나 SB 자체에는 꼬리가 없으며 SB는 정규 분포를 가지며 동시에 증분의 특성에 관계없이 고정적이지 않습니다.
다음은 고정성의 정의입니다. 분포에 대한 단어가 어디에 있습니까?
나는 각 분포에 대해 그것이 정상인지 아닌지 또는 상응하게 분포된 동일한 프로세스가 고정되어 있는지 여부를 알아내는 것이 가능하다고 말합니다. 그리고 그는 SB 증분이 정상 분포에 의해 모델링된다고 썼습니다. 예를 들어 분포가 정규이면 공정은 정상적입니다. 정규 분포를 따르는 프로세스가 비정상적일 수 있습니까?
정상성은 분포가 아니라 프로세스의 속성입니다. 이 프로세스에는 일종의 배포가 있습니다. 정규 분포를 가진 프로세스는 정상적일 수도 있고 정상적이지 않을 수도 있습니다. 배포에 의존하지 않습니다. 그리고 물론, 프로세스의 분포만 알고 있기 때문에 그 고정성에 대해 아무 말도 할 수 없습니다.
어디서 가져왔어? 분포가 정상인 비정상 프로세스의 예를 제공하십시오.
글을 쓰기 전에 Matlab에서 상황을 시뮬레이션했습니다. 내 말에 책임이 있습니다. 그리고 당신은 무작위로 열병을 일으키고 있습니다. Avatar가 원하는 대로 "때때로" 증분 값이 두 배가 되면 "큰" 편차의 분산이 증가하고 첨도가 증가합니다. 증분은 원래 그랬더라도 더 이상 정규 분포를 따르지 않습니다. 그러나 SB 자체에는 꼬리가 없으며 SB는 정규 분포를 가지며 동시에 증분의 특성에 관계없이 고정적이지 않습니다.
나는 당신이 모델링 한 것과 어떻게 두꺼운 꼬리를 가지고 있는지 잘 이해하지 못했습니다. 내가 아바타를 요청한 것을 이해하므로 꼬리가 없어야 합니다. 아마도 내가 잘못 이해했을 것입니다 :( 적어도 얻은 분포의 히스토그램과 모델링 방법을 제공하십시오
SB는 고정적이지 않고 I(1)입니다. 첫 번째 차이는 내가 쓴 것처럼 고정적(증가)입니다. 또한 고정적이며 고정된 시간에 대한 정규 분포입니다. 시간 t0에서 분포는 정상이고 하나는 시간 t1에서 다른 분포입니다. 그러나 시간 x=F(t)로부터의 과정으로서 SB 자체는 정상적이지 않고 정규 분포를 따르지 않습니다. 분산이 t->무한대에서 무한하기 때문입니다. 첫 번째 차이(증가)는 정규 분포를 따릅니다. 이전 포스팅에 출처 링크 걸어두었습니다.
어디서 가져왔어? 분포가 정상인 비정상 프로세스의 예를 제공하십시오.
나는 이미 이 예제를 세 번 제공했습니다. 랜덤 워크는 정규 분포를 사용하는 비정상 프로세스입니다.
분포는 사람의 모습이고, 비정상은 성장입니다. 뚱뚱한(이러한 분포) 사람은 키가 클 수도 있고 낮을 수도 있고, 심지어 25세까지 자랄 수도 있고, 그 다음에는 아래로 자랄 수 있으며, 그의 너비가 변경됩니다. 나이가 들면 모든 것이 더 뚱뚱해지고 두꺼워집니다. 비 고정. 그러나 키는 그림과 관련이 없습니다.
정상성은 분포의 속성이 아니라 프로세스의 속성입니다.
나는 이미 이 예제를 세 번 제공했습니다. 랜덤 워크는 정규 분포를 사용하는 비정상 프로세스입니다.
분포는 사람의 모습이고, 비정상은 성장입니다. 뚱뚱한(이러한 분포) 사람은 키가 클 수도 있고 낮을 수도 있고, 심지어 25세까지 자랄 수도 있고, 그 다음에는 아래로 자랄 수 있으며, 그의 너비가 변경됩니다. 나이가 들면 모든 것이 더 뚱뚱해지고 두꺼워집니다. 비 고정. 그러나 키는 그림과 관련이 없습니다.
정상성은 분포의 속성이 아니라 프로세스의 속성입니다.
기준점에서 고정된 특정 순간에 SB의 증분 및 분포는 정상적이며 정규 분포를 따릅니다. SB와 달리 시간 함수로 mo와 분산을 계산할 수 있습니다.
나는 당신이 모델링 한 것과 어떻게 두꺼운 꼬리를 가지고 있는지 잘 이해하지 못했습니다. 내가 아바타를 요청한 것을 이해하므로 꼬리가 없어야 합니다. 아마도 내가 잘못 이해했을 것입니다 :( 적어도 얻은 분포의 히스토그램과 모델링 방법을 제공하십시오
그것은 다음과 같았습니다.
(즉, |y(i)-y(i-1)|>= i 번째 단계 에서 영웅의 힘 , 그러면 i+1 단계에서 생성된 힘(마이너스 - 의심 포함)은 두 배가 되어야 합니다.
빨간색으로 강조 표시된 것은 i-1이어야 합니다. 그렇지 않으면 항상 평등합니다. 저것들. 증분이 충분히 크게 생성된 경우에는 2를 곱해야 합니다. 이것은 꼬리가 두꺼워지는 큰 증분 영역에서 분산을 정확하게 증가시킵니다.
e(i) = s(i)-b(i);
abs(e(i)) > abs(e(i-1))인 경우
e(i) = e(i) * 2
끝
가격 움직임은 완전히 예측할 수 없습니다. 우리는 수학을 다루지 않고 심리학을 다루며 여기서 어떤 공식도 도움이 되지 않을 것입니다.
당신은 착각하고 있습니다 - 시간의 함수로서의 SB는 HP가 아니며 고정적이지 않습니다. - 그렇습니다.
당신은 내가 아니라 구구단으로 논쟁하고 있습니다. 그리고 불행합니다.
다음은 균일한 증분 분포를 가진 1000개의 랜덤 워크입니다. 이것이 정규 분포가 아니라는 모니터에 계속 머리를 부딪힐 수 있습니다. 그리고 나는 이미 지쳤습니다.
가격 움직임은 완전히 예측할 수 없습니다. 우리는 수학을 다루지 않고 심리학을 다루며 여기서 어떤 공식도 도움이 되지 않을 것입니다.
당신은 자신과 모순됩니다. "완전히 예측할 수 없는" 경우 공식이 도움이 되지 않을 뿐만 아니라 전혀 도움이 되지 않습니다. 그리고 당신이 제안한 일종의 심리학과 같은 희망이 여전히 있다면 공식의 도움으로 잘 설명될 수 있습니다.
당신은 내가 아니라 구구단으로 논쟁하고 있습니다. 그리고 불행합니다.
다음은 균일한 증분 분포를 가진 1000개의 랜덤 워크입니다. 이것이 정규 분포가 아니라는 모니터에 계속 머리를 부딪힐 수 있습니다. 그리고 나는 이미 지쳤습니다.
팀보 이미 3 번 같은 것을 씁니다. 예, SB는 일정 시간 간격으로 생성됩니다(예: 0-1000(귀하의 그림 참조) F(t1000)) - 분포는 정상이고 정상입니다. mo=0, disp=1000*disp_increment. 그리고 다른 고정된 기간 동안 분포는 정상적이고 정상적이며 분산은 길이에 비례합니다. 그러나 시간 F(t)의 함수로서 SB 프로세스 자체는 비정규 비정상이 아닙니다. 그 mo도 = 0이지만 분산은 무한합니다. 고정 및 HP의 경우 취하지 말아야 할 것 - 분산은 동일하고 고정된 수 - 시간이 지나도 변하지 않는 고정 조건입니다.
팀보 이미 3 번 같은 것을 씁니다. 예, SB는 일정 시간 간격으로 생성됩니다(예: 0-1000(귀하의 그림 참조) F(t1000)) - 분포는 정상이고 정상입니다. mo=0, disp=1000*disp_increment. 그리고 다른 고정된 기간 동안 분포는 정상적이고 정상적이며 분산은 길이에 비례합니다. 그러나 시간 F(t)의 함수로서 SB 프로세스 자체는 비정규 비정상이 아닙니다. 그 mo도 = 0이지만 분산은 무한합니다. 고정 및 HP의 경우 취하지 말아야 할 것 - 분산은 동일하고 고정된 수 - 시간이 지나도 변하지 않는 고정 조건입니다.
예, 어떤 시간 간격에서든 SB는 정규 분포를 갖습니다. 최소 1015, 최소 2256 카운트, 최소 1305에서 5321 사이입니다. 일반적으로 가변 길이의 모든 세그먼트는 정규 분포를 나타냅니다. 이러한 증분에서 , 다른 각도에서 그 과정을 보십시오. 명확하게 정의된 벨이 보인다고 이것이 그것을 형성하는 과정이 정지되어 있다는 것을 의미하지는 않습니다.