timbo>> : Моя формула абсолютно точна. Я описал именно тот процесс, который хотел описать - детерминированный тренд с некоторыми случайными флуктуациями.
아, 이해합니다. 그러면 다음과 같이 할 수도 있습니다. ln P(t) = c + ln P(t-1) + e(t), 여기서 e(t)~I(0) ,c(const) 0보다 크거나 작습니다.
timbo>> : Процесс вида x(i) = x(i-1) + e(i), где e(i) ~N(0,sigma^2). Первая разница данного процесса стационарный процесс. А теперь попробуй рассказать, как ты планируешь прогнозировать случайное блуждание, "а мы полюбуемся на твои потуги" (с).
나는 재능이 별로 없는 것 같으니까. 이 blah blah blah에서 나는 당신이 무작위 걷기를 외삽하기로 착수했다는 것을 제외하고는 아무 것도 이해하지 못했습니다. 이것은 당신의 주머니에 전 세계의 돈과 예금에 대한 확실히 노벨상입니다.
숫자로 증명할 수 있습니까? 따라서: 프로세스 x(i) = x(i-1) + e(i), 여기서 e(i) ~N(0,1) 분명히 첫 번째 차이는 e(i) - 고정 프로세스입니다. 자, 추정하고 복원하고 "당신의 시도에 감탄할 것입니다"(c).
자전거 발명에 대한 노벨상은 주어지지 않습니다.
베르누이 방식에 따른 랜덤 워크: 입자가 원점을 떠나 단위 시간 후에 확률 p로 1만큼 위로 이동하거나 확률 q = 1 - p로 1 아래로 이동한다고 가정합니다.
n 시간 단위 후에 입자 궤적은 직선 n * (p - q)를 따라 놓이고 e > 0이고 충분히 큰 n에 대해 확률이 1인 좌표 y(n)이 있는 점은 수직 간격에 놓입니다. (p - q - e) 및 (p - q + e). 이는 대수의 강력한 법칙과 반복 로그의 법칙에서 추론된 입증된 사실입니다. 증거를 제시하지 않기 때문에 이론 관련 서적이나 인터넷에서 찾을 수 있습니다.
따라서, 예를 들어 일반 선형 회귀를 사용하여 많은 수의 n개 샘플에 대해 랜덤 워크의 RT를 외삽하면 높은 확률로 n개 샘플을 초과하는 외삽 결과는 직선 n *(p - 큐)
그래서 팀보, 당신은 고집에 특별한 재능이있는 동료가 아니라 확률 이론의 기본 개념을 모르는 완고한 당나귀이지만 그럼에도 불구하고 어딘가에서 용어를 습득하고 정의를 숙달하지 않은 그는 주관적인 개그를 밀어 넣으려고합니다. .
Моя формула абсолютно точна. Я описал именно тот процесс, который хотел описать - детерминированный тренд с некоторыми случайными флуктуациями.
아, 이해합니다. 그러면 다음과 같이 할 수도 있습니다. ln P(t) = c + ln P(t-1) + e(t), 여기서 e(t)~I(0) ,c(const) 0보다 크거나 작습니다.
Процесс вида x(i) = x(i-1) + e(i), где e(i) ~N(0,sigma^2). Первая разница данного процесса стационарный процесс. А теперь попробуй рассказать, как ты планируешь прогнозировать случайное блуждание, "а мы полюбуемся на твои потуги" (с).
나는 재능있는 사람들을 위해 다시 한 번 반복합니다.
1. 원본 TS에서 첫 번째 차이점의 TS를 얻습니다.
2. 첫 번째 차이점의 VR 추정
3. 첫 번째 차이의 외삽 영역에서 원래 TS의 외삽 영역을 복원합니다.
나는 재능있는 사람들을 위해 다시 한 번 반복합니다.
1. 원본 TS에서 첫 번째 차이점의 TS를 얻습니다.
2. 첫 번째 차이점의 VR 추정
3. 첫 번째 차이의 TS + 외삽 섹션, 원래 TS + 원래 TS에 대한 외삽 사이트 재구성
나는 재능이 별로 없는 것 같으니까. 이 blah blah blah에서 나는 당신이 무작위 걷기를 외삽하기로 착수했다는 것을 제외하고는 아무 것도 이해하지 못했습니다. 이것은 당신의 주머니에 전 세계의 돈과 예금에 대한 확실히 노벨상입니다.
숫자로 증명할 수 있습니까? 따라서: 프로세스 x(i) = x(i-1) + e(i), 여기서 e(i) ~N(0,1) 분명히 첫 번째 차이는 e(i) - 고정 프로세스입니다. 자, 추정하고 복원하고 "당신의 시도에 감탄할 것입니다"(c).
나는 재능이 별로 없는 것 같으니까. 이 blah blah blah에서 나는 당신이 무작위 걷기를 외삽하기로 착수했다는 것을 제외하고는 아무 것도 이해하지 못했습니다. 이것은 당신의 주머니에 전 세계의 돈과 예금에 대한 확실히 노벨상입니다.
숫자로 증명할 수 있습니까? 따라서: 프로세스 x(i) = x(i-1) + e(i), 여기서 e(i) ~N(0,1) 분명히 첫 번째 차이는 e(i) - 고정 프로세스입니다. 자, 추정하고 복원하고 "당신의 시도에 감탄할 것입니다"(c).
자전거 발명에 대한 노벨상은 주어지지 않습니다.
베르누이 방식에 따른 랜덤 워크: 입자가 원점을 떠나 단위 시간 후에 확률 p로 1만큼 위로 이동하거나 확률 q = 1 - p로 1 아래로 이동한다고 가정합니다.
n 시간 단위 후에 입자 궤적은 직선 n * (p - q)를 따라 놓이고 e > 0이고 충분히 큰 n에 대해 확률이 1인 좌표 y(n)이 있는 점은 수직 간격에 놓입니다. (p - q - e) 및 (p - q + e). 이는 대수의 강력한 법칙과 반복 로그의 법칙에서 추론된 입증된 사실입니다. 증거를 제시하지 않기 때문에 이론 관련 서적이나 인터넷에서 찾을 수 있습니다.
따라서, 예를 들어 일반 선형 회귀를 사용하여 많은 수의 n개 샘플에 대해 랜덤 워크의 RT를 외삽하면 높은 확률로 n개 샘플을 초과하는 외삽 결과는 직선 n *(p - 큐)
그래서 팀보, 당신은 고집에 특별한 재능이있는 동료가 아니라 확률 이론의 기본 개념을 모르는 완고한 당나귀이지만 그럼에도 불구하고 어딘가에서 용어를 습득하고 정의를 숙달하지 않은 그는 주관적인 개그를 밀어 넣으려고합니다. .
재료를 배우십시오, 팀보 - 그녀는 방향타입니다.
관측된 시계열(시간 프레임)의 샘플링 빈도와 관련하여
시간 프레임(시간 창)의 선택 och. 시계열 스펙트럼에 큰 영향을 미치며,
그러나 바로 이 시간 프레임의 선택은 ... 취향의 문제입니다! :))) Shamansta 또는 예술을 원한다면! :)
시간 프레임을 선택하는 문제는 공식화할 수 없고 정의할 수 없기 때문입니다. 상인의 개인 취향.
그러나 스케일을 줄이면 주파수 범위가 통계를 복잡하게 만듭니다. 그림, 때문에 복잡하다
자세한 모습.
재료를 배우십시오, 팀보 - 그녀는 방향타입니다.
첫 번째 차이가 정상인 프로세스를 외삽하기로 약속했습니다. 다음은 프로세스입니다. x(i) = x(i-1) + e(i), 여기서 e(i) ~N(0,1)
다음은 처음 100개 판독값입니다. 0.840376; -0.04766; 0.052436; -0.49209; -0.18857; -0.7889; -0.29893; 0.44043; 2.152318; 1.958194; -0.18016; -1.01975; 0.334845; -0.73731; 0.223643; 0.347693; 1.78439; -0.17651; -0.37421; -1.58205; 1.325954; 2.151173; 3.530145; 2.471965; 2.003349; 1.73088; 2.829304; 2.551432; 3.252974; 1.201157; 0.847307; 0.023721; -1.55334; -1.04536; -0.76338; -0.7299; -2.06358; -0.93608; -0.5859; -0.88497; -0.86208; -1.12408; -2.87429; -3.15994; -3.99131; -4.97051; -6.12691; -6.66047; -8.66311; -7.69888; -7.17882; -7.19884; -7.23362; -8.03178; -7.01309; -7.14631; -7.86084; -6.50946; -6.73423; -7.32326; -7.61701; -8.46494; -9.58506; -7.05906; -5.40357; -5.09603; -6.35315; -7.21862; -7.39515; -6.60374; -7.93574; -10.2656; -11.7147; -11.3812; -10.9898; -10.5382; -10.6684; -10.4848; -10.9609; -10.0989; -11.4606; -11.0056; -11.8543; -12.1891; -11.6364; -10.5973; -11.7149; -10.4543; -9.79411; -9.86198; -10.0572; -10.2748; -10.5779; -10.5549; -10.5036; -9.67751; -8.15054; -7.68362; -7.89334; -7.26815
여기에 무슨 일이 일어나야하는지 그림이 있습니다. 나는 심지어 비교할 것이 있기 위해 대답을 붙여 넣었습니다.
자, 추정하고 복원하고 "당신의 시도에 감탄할 것입니다"(c). 그리고 축산에 대해서는 필요하지 않습니다.
바로 경고할게 이건 외삽이 아니야
자, 추정하고 복원하고 "당신의 시도에 감탄할 것입니다"(c). 그리고 축산에 대해서는 필요하지 않습니다.
팀보, 이미 재료를 배워야 한다고 합니다. 따라서 우리는 팀보가 필요합니다. (축산에 대해) 필요합니다.
나는 이미 증거를 제시했습니다. 당신의 당나귀 완고함으로 인해 위의 모든 것이 나보다 오래 전에 입증되고 입증되었는지 확인할 수 없다면 스스로 반박할 수 있습니다.
과학적 재생산의 방법은 믿지 않는 사람들이 그렇게 느끼면 독립적으로 다시 확인할 수 있다는 사실에 있습니다.
따라서 반박 사실을 발표할 때까지 치질이 있는 곳에 수치와 사진을 밀어 넣으십시오.
팀보, 이미 재료를 배워야 한다고 합니다. 따라서 우리는 팀보가 필요합니다. (축산에 대해) 필요합니다.
나는 이미 증거를 제시했습니다. 당신의 당나귀 완고함으로 인해 위의 모든 것이 나보다 오래 전에 입증되고 입증되었는지 확인할 수 없다면 스스로 반박할 수 있습니다.