처음에 아인슈타인에게는 아내가 있었는데 제 생각에는 헝가리인(정확히 기억나지 않음)인 훌륭한 수학자였습니다. 그녀는 그의 아이디어를 위해 수학을 발전시켰습니다. 수학에서 아인슈타인 자신은 특히 초가 아닙니다. 그런 다음 그는 더 이상 수학을 잘하지 못하는 유대인 아내를 얻었습니다. 그리고 새로운 물리학의 창조를 향한 그의 진보는 느려졌습니다. 그러나 SRT와 GR은 이미 그 당시에 만들어졌습니다.
2019년 3월 14일 내일은 우리의 과학적 세계관에 가장 중요한 변화를 일으킨 사람인 알베르트 아인슈타인 의 탄생 140주년이 되는 날입니다. 과학에 대한 그의 공헌 측면에서 아인슈타인은 아마도 역사상 가장 위대한 과학자일 것입니다. 불과 1905년 "기적의 해"에 특수 상대성 이론을 창안하고 전자기 복사의 양자화 가설에 양자 역학의 토대를 마련했으며 브라운 운동의 메커니즘을 설명하는 논문을 발표했다. 물질의 분자 구조. A. 아인슈타인 - 노벨 물리학상 수상자, 약 300편의 과학 기사 저자.
아인슈타인의 첫 번째 부인인 Mileva Maric은 국적에 따라 세르비아인이며 남편의 과학적 성공에서 그녀의 역할은 졸업장 공동 작업을 기반으로 한 민속 및 예술적 환상입니다. 물론 젊은 아인슈타인은 아내와 그의 아이디어와 계획에 대해 논의했고 아마도 그녀가 그에게 조언을 했을 수도 있지만 더 이상은 아닙니다. 그녀는 과학 출판물이 없었습니다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 서로 다른 확률 분포 , 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 DC마다 숫자가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
주제는 쓰레기로 바뀌었습니다. 당신을 위한 연구도 없고, 탐나는 공식도 없습니다... 정말 유감입니다!
그 동안 나는 약간의 실험을 했다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 다른 확률 분포, 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 서로 다른 DC 수가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
유능한 희석 - 소금과 성배의 힘.
빼거나 얇게 하는 방법을 사용하여 흐름을 추가하는 방법을 배울 수 있습니까?
2개의 DC로부터 2개의 따옴표 스트림을 수신하고 직접 생성한다고 상상해 보십시오. 그리고 그 결과로 남아 있는 원본 스트림의 속성과 추가 옵션에 따라 달라지는 속성을 확인하십시오.
주제는 쓰레기로 변했습니다. 당신을 위한 연구도 없고, 탐나는 공식도 없습니다... 정말 유감입니다!
그 동안 나는 작은 실험을 했다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 다른 확률 분포, 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 서로 다른 DC 수가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
유능한 희석 - 소금과 성배의 힘.
Alexander, 당신은 스스로를 물리학자라고 부르지만 통계로만 작업합니다. 물리적 접근은 어디에 있습니까? 물리학은 어디에 있습니까?
이 주제에서 Kolmogorov는 Einstein과 다른 누군가로 대체되었습니다.
아인슈타인과 그의 아내는 일종의 이론을 개발했습니다))))
아인슈타인과 그의 아내는 일종의 이론을 개발했습니다))))
아니, 퀴리들이었다.
아니, 큐리들이었다.
그에 관한 영화를 보았다. 거기에는 절름발이 아내처럼 여전히 연구소에서 만난 어떤 사람들이 있었다. 그리고 그녀는 실제로 발견과 50% 관련이 있었습니다.
2019년 3월 14일 내일은 우리의 과학적 세계관에 가장 중요한 변화를 일으킨 사람인 알베르트 아인슈타인 의 탄생 140주년이 되는 날입니다. 과학에 대한 그의 공헌 측면에서 아인슈타인은 아마도 역사상 가장 위대한 과학자일 것입니다. 불과 1905년 "기적의 해"에 특수 상대성 이론을 창안하고 전자기 복사의 양자화 가설에 양자 역학의 토대를 마련했으며 브라운 운동의 메커니즘을 설명하는 논문을 발표했다. 물질의 분자 구조. A. 아인슈타인 - 노벨 물리학상 수상자, 약 300편의 과학 기사 저자.
아인슈타인의 첫 번째 부인인 Mileva Maric은 국적에 따라 세르비아인이며 남편의 과학적 성공에서 그녀의 역할은 졸업장 공동 작업을 기반으로 한 민속 및 예술적 환상입니다. 물론 젊은 아인슈타인은 아내와 그의 아이디어와 계획에 대해 논의했고 아마도 그녀가 그에게 조언을 했을 수도 있지만 더 이상은 아닙니다. 그녀는 과학 출판물이 없었습니다.
음....
주제가 쓰레기로 바뀌었습니다. 연구도 없고 원하는 공식도 없습니다... 정말 유감입니다!
그 사이에 나는 작은 실험을 했다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 서로 다른 확률 분포 , 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 DC마다 숫자가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
유능한 희석 - 소금과 성배의 힘.
음....
주제는 쓰레기로 바뀌었습니다. 당신을 위한 연구도 없고, 탐나는 공식도 없습니다... 정말 유감입니다!
그 동안 나는 약간의 실험을 했다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 다른 확률 분포, 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 서로 다른 DC 수가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
유능한 희석 - 소금과 성배의 힘.
빼거나 얇게 하는 방법을 사용하여 흐름을 추가하는 방법을 배울 수 있습니까?
2개의 DC로부터 2개의 따옴표 스트림을 수신하고 직접 생성한다고 상상해 보십시오. 그리고 그 결과로 남아 있는 원본 스트림의 속성과 추가 옵션에 따라 달라지는 속성을 확인하십시오.
그래서 저는 거래를 하지 않고 이론적으로만 이야기하고 있습니다.
그리고 이론적으로 시장 과정을 반드시 평균으로의 복귀를 보장하는 Ornstein-Uhlenbeck 과정으로 축소하는 것이 필요합니다.
이 프로세스의 특징은 고정성, 안정적이고 무한히 나눌 수 있는 증분 분포 , 기하급수적 으로 감소하는 ACF입니다.
이러한 프로세스의 유사성은 특정 주문의 Erlang 견적 스트림에서 슬라이딩 시간 창 = 24시간에서 관찰될 것이라는 의견이 있습니다.
다음 주에 저는 다시 일어서서 시장 시계열을 적절하게 줄이는 방법을 보여주려고 노력할 것입니다.
자지마, 얘들아! 성배가 발견될 것입니다.
음....
주제는 쓰레기로 변했습니다. 당신을 위한 연구도 없고, 탐나는 공식도 없습니다... 정말 유감입니다!
그 동안 나는 작은 실험을 했다.
나는 Wiener 프로세스(브라우니안 운동이라고도 함)를 모델링하는 것이 편리한 기반으로 증분에 대한 가우스 분포를 사용하여 Doc에서 생성한 시리즈를 사용했습니다.
그래서 - 초기 증분과 얇아진 것(매 2, 3 등 값)에 대해 우리는 항상 동일한 가우스 분포를 가집니다. 동일한 기대치와 확률 변수의 다른 순간이 있습니다. 이것은 브라운 운동의 불변성을 시간 및 자기 유사성에 대한 고전적 확률론적 과정으로 확인시켜줍니다.
그러나 시장 틱 시리즈의 인용문을 선택하여 얇게 시작하면 각각의 경우에 대해 다른 확률 분포, 즉 시장은 자체 유사하지 않으며 얇아짐(특수 사례 - OHLC M1)은 프로세스 아이디어의 왜곡과 중요한 정보의 손실로 이어집니다.
틱 따옴표는 서로 다른 DC 수가 다르기 때문에 적용할 수 없습니다.
막 다른 골목. 막다른 골목입니까? 나는 내 의견을 유지합니다. 보고 작업해야 하는 인용문의 흐름을 정확히 얻으려면 원래 틱 흐름을 올바르게 희석하고 DC에서 잘못된 인용문을 필터링하는 방법을 배우는 것이 중요합니다. 동시에 OHLC M1의 경우와 같이 과도한 조대화로 정보를 잃지 않습니다.
그것을 하는 방법? 음, 물론, 틱 스트림을 특정 순서의 Erlang 스트림으로 번역합니다! 한때는 이 길을 가다가 그만뒀다가 이제 다시 돌아가기로 마음먹었다.
유능한 희석 - 소금과 성배의 힘.
Alexander, 당신은 스스로를 물리학자라고 부르지만 통계로만 작업합니다. 물리적 접근은 어디에 있습니까? 물리학은 어디에 있습니까?
Alexander, 당신은 스스로를 물리학자라고 부르지만 통계로만 작업합니다. 물리적 접근은 어디에 있습니까? 물리학은 어디에 있습니까?
저항할 수 없는 재귀의 힘...
그런 간단한 질문으로 토론을 천 페이지 뒤로 되돌릴 수 있습니다 :-)