방법은 확실히 걸작이지만 얼마나 깊이 생각했는지! 글쎄 그림 - 케임브리지! 얘들 아, 권위있는 출판물을 참조하여 산술 공식조차도 자신의 두뇌를 사용할 수 없습니까?
===
Alexey, 초기 데이터가 음수 값을 가질 수 있다면 어떻게 될까요? 그게 다야, 수학적 재앙인가?
나는 이 방법이 이와 같다고 생각한다. 가산 급수 Xn의 평균값을 무질서 전의 A와 같게 하고 e를 작은 양수라고 하자. 그런 다음 Xn-A+e 시리즈를 합산하면 약한 추세가 상승하고Xn-Ae - 하락이 나타납니다. 무질서 후에 계열의 평균이 B 및 |AB|>e와 같으면 우리가 구축한 두 계열 중 하나의 추세 방향에 변화가 있을 것입니다. 특정 부호(주어진 임계값까지)가 있는 각 행의 합계 누적에 관심이 있으므로 각 단계에서 반대 부호로 누적을 간단히 재설정합니다.
Valeriy Yastremskiy : 위키에서: 가치가 있을 때 에스 특정 임계값을 초과하면 값의 변화가 감지되었습니다. 위의 공식은 양의 방향으로만 변화를 감지합니다. 부정적인 변화가 발견될 때, 또한 최대 작업 대신 최소 작업을 사용해야 합니다. 이번에는 변경 사항이 감지되었습니다. 값이 에스 위치한 아래에 값(음수) 임계값.
가장 먼저 떠오른 것이
몇 가지 확인을 해봐야 할 것 같습니다. 전체 범위에 걸친 속도의 차이에 대해, 첫 번째 슬라이딩 윈도우를 따라 계산된 복도 너비보다 크면 슬라이딩 윈도우가 3 - 5 값인 경우 평균, 명목 및 여러 개의 창이 직렬로 연결되어 있고, 다음 단계의 창 매개변수가 스케일을 벗어나면 복도가 없습니다.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 k + 1 모멘트는 무질서한 모멘트로 간주될 수 있습니다.
인접한 두 막대의 차이 평균을 계산합니다. 평균의 양수 값은 위쪽 기울기를 의미하고 음수 값은 아래쪽 기울기를 의미합니다. 평균을 사용하여 방향의 단기적인 사소한 변경이 필터링됩니다. 임계값을 극복하는 것은 여기서도 망할 수 있습니다(말하자면 더 높은 수학에 익숙해지기 위해).
두 개의 평균을 계산할 수 있습니다. 하나는 조금 더 빠르고 두 번째는 약간 느립니다. 평균의 기울기는 위치에 따라 결정됩니다.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 모멘트 k + 1은 무질서의 모멘트로 간주될 수 있습니다.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 모멘트 k + 1은 무질서의 모멘트로 간주될 수 있습니다.
인접한 두 막대의 차이 평균을 계산합니다. 평균의 양수 값은 위쪽 기울기를 의미하고 음수 값은 아래쪽 기울기를 의미합니다. 평균을 사용하여 방향의 단기적인 사소한 변경이 필터링됩니다. 임계값을 극복하는 것은 여기서도 망할 수 있습니다(말하자면 더 높은 수학에 익숙해지기 위해).
두 개의 평균을 계산할 수 있습니다. 하나는 조금 더 빠르고 두 번째는 약간 느립니다. 평균의 기울기는 위치에 따라 결정됩니다.
이해되지 않는 생각. 그게 문제였다. 평균 계산에 변곡점이 포함되어 결과가 늦었습니다. 오른쪽과 왼쪽으로 평균을 계산해야 합니다.
Valeriy Yastremskiy : 이해되지 않는 생각. 그게 문제였다. 평균 계산에 변곡점이 포함되어 결과가 늦었습니다. 오른쪽과 왼쪽으로 평균을 계산해야 합니다.
무엇을 이해할 수 있습니까? 선이 위쪽을 향하면 이전 값과의 차이가 양수이고 아래쪽을 향하면 차이가 음수입니다(절대값의 차이가 클수록 방향이 더 가파르게 됨). 여기서 이 방향 표시기는 방향의 잘못된 단기적 변경을 건너뛰기 위해 평균을 낸 것입니다. 당연히 평균화를 사용하면 지연이 발생합니다. 어쨌든 무언가를 걸러내면 지연이 발생합니다.
평균을 낼 수는 없지만 NRTR과 같은 작업을 수행합니다. 예를 들어 선이 위쪽을 향할 때 최대값을 고정하고 최대값에서 임계값으로 롤백하면 방향이 변경됩니다. 이 임계값은 일정할 수 있으며 표준에 비례할 수 있습니다. 그러나 이 경우에도 지연이 있습니다. 항상 그럴 것이다. 방향 전환을 결정할 때 오차가 작을수록 지연이 클수록 지연이 작을수록 오차가 커집니다.
그리고 당신도 알다시피, 그러한 문제의 해결책은 이것의 알 가치가 없으며, 먹어 치워지고, 즉석에서 케이스 사이에 해결됩니다. 여기 무슨 일이야? 곧 권위 있는 공식 없이는 산술 연산을 수행할 수 없게 됩니다.
어떤 의미에서 "솔루션"입니까? 권위 있는 저자 하에 캠브리지에서?
이러한 솔루션은 1000가지가 있으며 만족스러운 결과가 나타날 때까지 앉아서 시도하면 됩니다.
열거 알고리즘. 때로는 통찰력을 찾는 것보다 간단한 작업을 시도하는 것이 더 쉽습니다 ...
CUSUM이 무엇이며 어떻게 구현되는지 자신의 말로 말할 수 있습니까?
===
===
방법은 확실히 걸작이지만 얼마나 깊이 생각했는지! 글쎄 그림 - 케임브리지! 얘들 아, 권위있는 출판물을 참조하여 산술 공식조차도 자신의 두뇌를 사용할 수 없습니까?
===
Alexey, 초기 데이터가 음수 값을 가질 수 있다면 어떻게 될까요? 그게 다야, 수학적 재앙인가?
나는 이 방법이 이와 같다고 생각한다. 가산 급수 Xn의 평균값을 무질서 전의 A와 같게 하고 e를 작은 양수라고 하자. 그런 다음 Xn-A+e 시리즈를 합산하면 약한 추세가 상승하고 Xn-Ae - 하락이 나타납니다. 무질서 후에 계열의 평균이 B 및 |AB|>e와 같으면 우리가 구축한 두 계열 중 하나의 추세 방향에 변화가 있을 것입니다. 특정 부호(주어진 임계값까지)가 있는 각 행의 합계 누적에 관심이 있으므로 각 단계에서 반대 부호로 누적을 간단히 재설정합니다.
위키에서: 가치가 있을 때 에스 특정 임계값을 초과하면 값의 변화가 감지되었습니다. 위의 공식은 양의 방향으로만 변화를 감지합니다. 부정적인 변화가 발견될 때, 또한 최대 작업 대신 최소 작업을 사용해야 합니다. 이번에는 변경 사항이 감지되었습니다. 값이 에스 위치한 아래에 값(음수) 임계값.
가장 먼저 떠오른 것이
몇 가지 확인을 해봐야 할 것 같습니다. 전체 범위에 걸친 속도의 차이에 대해, 첫 번째 슬라이딩 윈도우를 따라 계산된 복도 너비보다 크면 슬라이딩 윈도우가 3 - 5 값인 경우 평균, 명목 및 여러 개의 창이 직렬로 연결되어 있고, 다음 단계의 창 매개변수가 스케일을 벗어나면 복도가 없습니다.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 k + 1 모멘트는 무질서한 모멘트로 간주될 수 있습니다.
인접한 두 막대의 차이 평균을 계산합니다. 평균의 양수 값은 위쪽 기울기를 의미하고 음수 값은 아래쪽 기울기를 의미합니다. 평균을 사용하여 방향의 단기적인 사소한 변경이 필터링됩니다. 임계값을 극복하는 것은 여기서도 망할 수 있습니다(말하자면 더 높은 수학에 익숙해지기 위해).
두 개의 평균을 계산할 수 있습니다. 하나는 조금 더 빠르고 두 번째는 약간 느립니다. 평균의 기울기는 위치에 따라 결정됩니다.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 모멘트 k + 1은 무질서의 모멘트로 간주될 수 있습니다.
또는 자신의 두뇌를 사용하기 시작할 수도 있습니다.
또는 자신의 두뇌를 사용하기 시작할 수도 있습니다.
글쎄, 예, 치명적인 결함 )
글쎄, 예, 치명적인 결함 )
그리고 여기에도 자신의 단어가 없지만 권위있는 것과 같은 것에 대한 언급이 있습니다. 그러나 주제에서 벗어났습니다. 여기에서 기본 문제가 해결되고 기본 수단이 해결에 충분합니다.
그러나 재채기를 할 때마다 권위를 발휘할 때마다 ... 이것은 hc입니다. 마음의 위기.
누적합 - 모수 검정(계열의 정규성을 의미함). Mann-Whitney 테스트(alglib에서 사용 가능)를 기반으로 비모수 테스트를 수행할 수 있습니다. 시간 n의 각 순간에 급수를 1에서 k까지, k + 1에서 n까지의 두 조각으로 나누고 이에 대해 Mann-Whitney를 세는 것이 필요합니다. 그러한 두 조각이 불균등하게 분포되어 있는 것으로 판명되면 모멘트 k + 1은 무질서의 모멘트로 간주될 수 있습니다.
인접한 두 막대의 차이 평균을 계산합니다. 평균의 양수 값은 위쪽 기울기를 의미하고 음수 값은 아래쪽 기울기를 의미합니다. 평균을 사용하여 방향의 단기적인 사소한 변경이 필터링됩니다. 임계값을 극복하는 것은 여기서도 망할 수 있습니다(말하자면 더 높은 수학에 익숙해지기 위해).
두 개의 평균을 계산할 수 있습니다. 하나는 조금 더 빠르고 두 번째는 약간 느립니다. 평균의 기울기는 위치에 따라 결정됩니다.
이해되지 않는 생각. 그게 문제였다. 평균 계산에 변곡점이 포함되어 결과가 늦었습니다. 오른쪽과 왼쪽으로 평균을 계산해야 합니다.
무엇을 이해할 수 있습니까? 선이 위쪽을 향하면 이전 값과의 차이가 양수이고 아래쪽을 향하면 차이가 음수입니다(절대값의 차이가 클수록 방향이 더 가파르게 됨). 여기서 이 방향 표시기는 방향의 잘못된 단기적 변경을 건너뛰기 위해 평균을 낸 것입니다. 당연히 평균화를 사용하면 지연이 발생합니다. 어쨌든 무언가를 걸러내면 지연이 발생합니다.
평균을 낼 수는 없지만 NRTR과 같은 작업을 수행합니다. 예를 들어 선이 위쪽을 향할 때 최대값을 고정하고 최대값에서 임계값으로 롤백하면 방향이 변경됩니다. 이 임계값은 일정할 수 있으며 표준에 비례할 수 있습니다. 그러나 이 경우에도 지연이 있습니다. 항상 그럴 것이다. 방향 전환을 결정할 때 오차가 작을수록 지연이 클수록 지연이 작을수록 오차가 커집니다.
그리고 당신도 알다시피, 그러한 문제의 해결책은 이것의 알 가치가 없으며, 먹어 치워지고, 즉석에서 케이스 사이에 해결됩니다. 여기 무슨 일이야? 곧 권위 있는 공식 없이는 산술 연산을 수행할 수 없게 됩니다.