그림은 시행 횟수가 증가함에 따라 이항 빈도 분포가 정규화되는 경향이 있음을 보여줍니다. 곡선은 점점 더 가우스 곡선(종)과 비슷해집니다. 그리고 근사 오차에 대한 정성적 추정도 있습니다. 따라서 예를 들어 m0=20에서 m1=30까지 5가 주사위를 굴릴 때 n=200이 나올 확률은 얼마인지 계산하고 싶습니다(5가 나올 확률은 1/6입니다). , 그러면 계승으로 11개의 숫자를 합할 필요가 없지만 이미 알고 있는 방정식인 곡선 아래 해당 면적을 계산하는 것으로 충분할 것입니다. 거기에 있는 공식은 번거로우니 여기에서 설명하지 않겠습니다.
사실 개인용 컴퓨터 시대에는 실용계산에 그다지 관련이 없는 정리이지만 200년 전에는 꽤 관련이 있었다. 또한 이론 연구에서 중요한 역할을 합니다. 정규 분포는 계속해서 연구되어 왔으며 작업하기가 편리합니다.
더 나아가 우리는 정규 분포에 대해 이야기할 것입니다. 비록 그것이 토픽 스타터에 의해 선언되지는 않았지만 말입니다.
물론 당기는건 아니고 최소한 스튜라도 하고 싶은데...아직 아무도 도와주지 않을 것 같습니다. 5성급 호텔의 셰프가 혼자라면?
가로(가로) - 전체 테스트 시리즈의 성공 횟수. 수직(좌표) - 상대 주파수, 즉 총 시도 횟수에서 성공 비율.
추가하는 것을 잊었습니다. 이항 분포는 n*p >= 5일 때뿐 아니라 추가 조건에서도 정규 분포와 유사합니다. p는 1에 너무 가깝지 않아야 합니다. 예를 들어 p~0.5에서 n ~10은 이미 상당히 유사합니다.
스스로 시작하면서 동시에 가정부 에게 인문학자들에게 피어슨 분포가 필요한 이유를 설명하려고 노력하십시오. 당신이 물어보기 전에 나는 그들이 있는지조차 몰랐습니다 ...
그리고 포아송 분포와 정규 분포(둘 다 매우 실용적인 분포)를 구형 말 "Pearson 분포"로 표현하는 이유를 설명하십시오.
하지만 감마 분포에 대해 생각하겠습니다.
그렇게 간단하지 않습니다. 그러나 Kolmogorov 기준은 확실히 끝 부분에 더 가깝습니다. Chebyshev의 부등식은 상당히 대략적인 추정에만 필요합니다.
모든 것을 있는 그대로 두고, 우리가 다룬 내용을 토대로 설명할 수 있는 것을 선택하겠습니다.
Pearson 분포는 다른 이름인 χ2 분포로 알려져 있습니다. 카이제곱 분포는 http://risktheory.ru/distr_images/gammadis.gif가 지수 분포를 통해 모델링된 감마 분포의 특수한 경우입니다. 감마 분포가 있는 확률 변수의 값 모델링은 지수 확률 변수의 독립적인 구현을 통해 수행되며, 차례로 지수 분포가 있는 확률 변수의 값 모델링은 법칙에 따라 수행됩니다. 균일 분포. 구간 [0,1] 및 MO = 0.5에서 균일한 분포를 갖는 확률 변수 값을 모델링하는 것은 대부분의 최신 프로그래밍 시스템에서 사용할 수 있습니다. 예를 들어, VBA에서 이 역할은 Rnd() 함수에 의해 수행되고 Pascal 및 Delphi에서는 random 함수에 의해 수행됩니다. 보시다시피 감마 분포는 우리에게 친숙한 분포와 관련이 있으며 그 출처는 일반적인 균일 분포이며 의심 할 여지없이 시장, 특히 Forex 시장을 포함하는이 분포의 복잡한 상황에서 사용됩니다. 따라서 모든 트레이더가 습관적으로 모니터 화면에 앉아 0.5의 확률로 시장을 가지고 놀고 있다고 생각하지만 자신에게 제공되는 감마 분포에 직면했다고 의심하지 않는 것은 우연이 아닙니다 긍정적인 결과가 나올 확률이 훨씬 낮습니다. 감마 분포는 시리즈의 다음 숫자가 형성된다는 속성에 의해 시장에 뿌리를 내린 일반적인 피보나치 수를 통해 거래자에게 여전히 명확하게 설명될 수 있습니다. 감마 함수가 형성되면 시리즈의 모든 숫자 값의 곱을 고려하십시오. 이제 수열의 속성 적분기로서의 감마 함수보다 약한 피보나치 수준의 가능성에 이미 익숙하기 때문에 이제 그 힘을 느껴야 합니다. Forex에 감마 수준이 나타날 날이 멀지 않았다고 생각하며 이 개념이 순종하는 하인에 의해 처음 시장에 도입되었음을 기억할 것입니다.
당신이 말했다. 정규 분포를 생성하는 몇 가지 방법이 있습니다(예: 여기 ). 그러나 그들은 또한 유니폼을 기본으로 사용합니다.
물론 "직접" 할 수 있습니다. 먼저 정규 분포를 생성한 다음 정규 분포의 누적 함수의 역함수인 결과를 결과에 적용합니다. 그러나 문제는 동일합니다. 먼저 유니폼을 생성해야 합니다.
좋은 균일 생성기는 문헌에 설명되어 있습니다. 네, 그리고 Windows용 마지막 64비트 버전도 표준 버전보다 훨씬 더 나은 것 같습니다.
하지만 그 기준은 그리 나쁘지 않다. 어쨌든 그 "부자연스러움"의 영향은 감지하기가 쉽지 않습니다.
내츄럴 노멀 - 왜 필요해, S ?
필요없어 이론을 이해하고자 하는 사람들은 왜 자연(비인공) 분포가 "정상"인지 느낄 필요가 있습니다. 자연에서 얻는 방법. 이해(간으로 느끼는)가 이론상 90%를 이해하는 열쇠입니다. 99%의 사람들은 이론의 본질을 느끼지 않고 공식을 올바르게 적용하는 방법만 배우게 됩니다. 예를 들어 여기에서는 적분의 개념이 없고 합만 있습니다. 제 자신을 예로 들어 죄송합니다. 하지만 저는 이 경우에 제가 아는 방법을 말하는 것뿐입니다.
yosuf : 이는 물질수지방정식의 해와 terver의 규칙성이 일치하며 현상해석 결과를 해석할 때 서로를 보완함을 나타낸다.
Yusuf, 미안하지만 나는 개인적으로 항상 과학적 자연을 "성가시"합니다. Erlang 분포는 어떻습니까?
"느낌"을 한 번 더 시도해 보겠습니다. 답변을 하자면, 말이 너무 많으니 왜 다른 분포가 있습니까? 누군가에 의해 열린 NEW 배포판은 누가 등록합니까? 나는 이 분포를 ... 지옥에까지 만들 수 있지만, 아무도 그것들을 새로운 것으로 받아들이지 않을 것입니다. 그렇다면 마을 이전에 알려지지 않은 새로운 분포는 무엇입니까?
더 가자. 국부 무아브르-라플라스 정리 . 거기에서 사진:
그림은 시행 횟수가 증가함에 따라 이항 빈도 분포가 정규화되는 경향이 있음을 보여줍니다. 곡선은 점점 더 가우스 곡선(종)과 비슷해집니다. 그리고 근사 오차에 대한 정성적 추정도 있습니다. 따라서 예를 들어 m0=20에서 m1=30까지 5가 주사위를 굴릴 때 n=200이 나올 확률은 얼마인지 계산하고 싶습니다(5가 나올 확률은 1/6입니다). , 그러면 계승으로 11개의 숫자를 합할 필요가 없지만 이미 알고 있는 방정식인 곡선 아래 해당 면적을 계산하는 것으로 충분할 것입니다. 거기에 있는 공식은 번거로우니 여기에서 설명하지 않겠습니다.
사실 개인용 컴퓨터 시대에는 실용계산에 그다지 관련이 없는 정리이지만 200년 전에는 꽤 관련이 있었다. 또한 이론 연구에서 중요한 역할을 합니다. 정규 분포는 계속해서 연구되어 왔으며 작업하기가 편리합니다.
더 나아가 우리는 정규 분포에 대해 이야기할 것입니다. 비록 그것이 토픽 스타터에 의해 선언되지는 않았지만 말입니다.
물론 당기는건 아니고 최소한 스튜라도 하고 싶은데...아직 아무도 도와주지 않을 것 같습니다. 5성급 호텔의 셰프가 혼자라면?
가로(가로) - 전체 테스트 시리즈의 성공 횟수. 수직(좌표) - 상대 주파수, 즉 총 시도 횟수에서 성공 비율.
추가하는 것을 잊었습니다. 이항 분포는 n*p >= 5일 때뿐 아니라 추가 조건에서도 정규 분포와 유사합니다. p는 1에 너무 가깝지 않아야 합니다. 예를 들어 p~0.5에서 n ~10은 이미 상당히 유사합니다.
스스로 시작하면서 동시에 가정부 에게 인문학자들에게 피어슨 분포가 필요한 이유를 설명하려고 노력하십시오. 당신이 물어보기 전에 나는 그들이 있는지조차 몰랐습니다 ...
그리고 포아송 분포와 정규 분포(둘 다 매우 실용적인 분포)를 구형 말 "Pearson 분포"로 표현하는 이유를 설명하십시오.
하지만 감마 분포에 대해 생각하겠습니다.
그렇게 간단하지 않습니다. 그러나 Kolmogorov 기준은 확실히 끝 부분에 더 가깝습니다. Chebyshev의 부등식은 상당히 대략적인 추정에만 필요합니다.
모든 것을 있는 그대로 두고, 우리가 다룬 내용을 토대로 설명할 수 있는 것을 선택하겠습니다.
검색을 시작하고 이것을 찾았 습니다 . 카이제곱과 감마는 Pearson 분포의 특수한 경우입니다.
여기서 Pearson 분포에 대해 구체적으로 이야기할 이유가 없습니다. 나는 지부의 독자들에게 그런 깊은 진공 구형 말의 실질적인 이점을 설명할 수 없을 것입니다.
여기서 카이제곱에 대해 확실히 이야기하겠습니다.
예, 아마도 감마에 대해 이야기할 수 있습니다.
매개변수 b가 있는 n개의 독립적인 지수 분포 확률 변수의 합은 매개변수 b, n이 있는 Erlang 분포를 따릅니다.
검색을 시작하고 이것을 찾았 습니다 . 카이제곱과 감마는 Pearson 분포의 특수한 경우입니다.
여기서 Pearson 분포에 대해 구체적으로 이야기할 이유가 없습니다. 나는 지부의 독자들에게 그런 깊은 진공 구형 말의 실질적인 이점을 설명할 수 없을 것입니다.
여기서 카이제곱에 대해 확실히 이야기하겠습니다.
예, 아마도 감마에 대해 이야기할 수 있습니다.
매개변수 b가 있는 n개의 독립적인 지수 분포 확률 변수의 합은 매개변수 b, n이 있는 Erlang 분포를 따릅니다.
이제 https://www.mql5.com/ru/articles/250 기사에서 이 2-매개변수 Erlang 분포 가 어떻게 그리고 왜 도입되었고 내가 일상생활에 도입한 또 다른 2-매개변수 분포가 결국 몸에 들어갔는지 알 수 있습니다. 식 (18)의.
유수프, 지금 누구와 통화하고 있습니까?
이제 https://www.mql5.com/ru/articles/250 기사에서 이 2-매개변수 Erlang 분포 가 어떻게 그리고 왜 도입되었고 내가 일상생활에 도입한 또 다른 2-매개변수 분포가 결국 몸에 들어갔는지 알 수 있습니다. 식 (18)의.
다시 한 번 살펴보겠습니다. 그러나 나는 기사에 terver에 대한 단어가 없을 때 이러한 확률 분포를 어디서 얻었는지 여전히 이해하지 못합니다 ...
당신이 말했다. 정규 분포를 생성하는 몇 가지 방법이 있습니다(예: 여기 ). 그러나 그들은 또한 유니폼을 기본으로 사용합니다.
물론 "직접" 할 수 있습니다. 먼저 정규 분포를 생성한 다음 정규 분포의 누적 함수의 역함수인 결과를 결과에 적용합니다. 그러나 문제는 동일합니다. 먼저 유니폼을 생성해야 합니다.
좋은 균일 생성기는 문헌에 설명되어 있습니다. 네, 그리고 Windows용 마지막 64비트 버전도 표준 버전보다 훨씬 더 나은 것 같습니다.
하지만 그 기준은 그리 나쁘지 않다. 어쨌든 그 "부자연스러움"의 영향은 감지하기가 쉽지 않습니다.
내츄럴 노멀 - 왜 필요해, S ?
이는 물질수지방정식의 해와 terver의 규칙성이 일치하며 현상해석 결과를 해석할 때 서로를 보완함을 나타낸다.
Yusuf, 미안하지만 나는 개인적으로 항상 과학적 자연을 "성가시"합니다. Erlang 분포는 어떻습니까?
"느낌"을 한 번 더 시도해 보겠습니다. 답변을 하자면, 말이 너무 많으니 왜 다른 분포가 있습니까? 누군가에 의해 열린 NEW 배포판은 누가 등록합니까? 나는 이 분포를 ... 지옥에까지 만들 수 있지만, 아무도 그것들을 새로운 것으로 받아들이지 않을 것입니다. 그렇다면 마을 이전에 알려지지 않은 새로운 분포는 무엇입니까?
Alexei가 먼저 가져온 자료를 먼저 들어보겠습니다.
Yusuf와 다른 모든 사람들은 이것을 주제에 대한 지식을 손상시키는 것으로 받아들이지 마십시오.
따라서 시퀀스는 추가 용어로 복잡해지기 시작하고 앞으로 실행됩니다.