예, 동일합니다 - 증분 간의 의존성. 그리고 정확히 무엇을 문제로 보고 있습니까? 데이터가 충분하지 않은 이유는 무엇입니까? 예를 들어, 메모리를 찾는 데 문제가 없습니다)
그건 그렇고, 메모리는 변동성으로 훨씬 더 잘 표현됩니다. 누군가 "잡을 수 있는 것"을 찾고 있다면 그것으로 연구를 시작할 수 있습니다. 거기, 뉴스 후 후유증이 즉시 표시되고 기타 효과가 있습니다.
물론, 그러나 여기에서는 Forex에 대해 이야기하고 있습니다) 철거가 없습니다.
랜덤 변수로서 증분의 의존성에 대해 이야기하기를 바랍니다. 이 경우 공동 배포가 필요합니다. 두 개의 랜덤 변수 - 공동 2차원 분포, 3차원 - 3차원 등 2차원 히스토그램은 때때로 여전히 구축되고 더 높은 차원 - 어떻게 묘사해야 하는지 명확하지 않고 필요한 데이터의 수는 차원에 따라 크게 증가합니다. 이것은 일반적으로 수행되지 않는 것이 분명합니다(그러나 때때로 여전히 수행해야 함). 그러나 모든 것이 훨씬 더 나쁩니다. 각 증분(임의 변수)에 대해 단일 볼륨의 샘플(가격 차트에서 가져온 값)만 있습니다. 따라서 모든 종류의 가정과 가정(항상 사실이 아님)에 의존해야 합니다. 예를 들어, 증분의 정상성 가정을 충족하지 않으면 표본 분포가 실제 분포로 수렴되지 않습니다. 증분의 쌍별 종속성을 결정하는 데 필요한 2차원 분포의 경우에도 마찬가지입니다(예: 공분산 함수 계산). 간단히 말해서, "메모리"(독립 증분)가 없는 비고정 프로세스는 고정을 가정하는 방법을 사용하는 경우 "메모리"(증가 종속성)를 획득할 수 있습니다.
물론 일반적으로 철거는 없습니다. 그러나 그것이 있는 곳에는 상당히 별도의 영역이 있습니다(다시 비정상).
내가 시장과 싸우곤 했던 책들.
Shelepin L.A.: "현대 과학은 Markovian 패러다임에 기반을 두고 있습니다. 이 리뷰는 새로운 non-Markovian 패러다임(기억이 있는 과정 이론)의 형성을 강조합니다."
내가 말한 것) 학자들은 실제 상황보다 50 년 뒤쳐져 있습니다)
금융계 전체는 오랫동안 시장을 기억이 있는 과정으로 간주해 왔지만, 그들에게는 이것이 뉴스입니다.)))
다르게 생각하는 것은 간단하고 의미가 없기 때문입니다. 자연적인 이유로 메모리가 없는 프로세스에서 돈을 버는 것은 불가능합니다.
Shelepin L.A.: "현대 과학은 Markovian 패러다임에 기반을 두고 있습니다. 이 리뷰는 새로운 non-Markovian 패러다임(기억이 있는 과정 이론)의 형성을 강조합니다."
내가 말한 것) 학자들은 실제 상황보다 50 년 뒤쳐져 있습니다)
금융계 전체는 오랫동안 시장을 기억이 있는 과정으로 간주해 왔지만, 그들에게는 이것이 뉴스입니다.)))
다르게 생각하는 것은 간단하고 의미가 없기 때문입니다. 자연적인 이유로 메모리가 없는 프로세스에서 돈을 버는 것은 불가능합니다.
자세히 연구하지는 않았지만 Shelepin의 Markov 속성은 일반적으로 받아 들여지는 정의와 완전히 일치하지 않는 것 같습니다.
"메모리"의 주요 문제는 비정상 프로세스의 경우 이를 계산하는 방법(즉, 프로세스의 다차원 분포)이 명확하지 않다는 것입니다. 일반적으로 이에 대한 데이터가 충분하지 않습니다.
또한 드리프트(추세)가 있는 일반적인 랜덤 워크에서 돈을 벌 수 있는데, 이는 상당히 마코비안입니다.
"메모리"의 주요 문제는 비정상 프로세스의 경우 이를 계산하는 방법(즉, 프로세스의 다차원 분포)이 명확하지 않다는 것입니다. 일반적으로 이에 대한 데이터가 충분하지 않습니다.
예, 동일합니다 - 증분 간의 의존성. 그리고 정확히 무엇을 문제로 보고 있습니까? 데이터가 충분하지 않은 이유는 무엇입니까? 예를 들어, 기억을 찾는 데 문제가 없습니다)
그건 그렇고, 메모리는 변동성으로 훨씬 더 잘 표현됩니다. 누군가 "잡을 수 있는 것"을 찾고 있다면 그것으로 연구를 시작할 수 있습니다. 거기, 뉴스 후 후유증이 즉시 표시되고 기타 효과가 있습니다.
또한 드리프트(추세)가 있는 일반적인 랜덤 워크에서 돈을 벌 수 있는데, 이는 상당히 마코비안입니다.
물론, 그러나 여기에서는 Forex에 대해 이야기하고 있습니다) 철거가 없습니다.
예, 동일합니다 - 증분 간의 의존성. 그리고 정확히 무엇을 문제로 보고 있습니까? 데이터가 충분하지 않은 이유는 무엇입니까? 예를 들어, 메모리를 찾는 데 문제가 없습니다)
그건 그렇고, 메모리는 변동성으로 훨씬 더 잘 표현됩니다. 누군가 "잡을 수 있는 것"을 찾고 있다면 그것으로 연구를 시작할 수 있습니다. 거기, 뉴스 후 후유증이 즉시 표시되고 기타 효과가 있습니다.
물론, 그러나 여기에서는 Forex에 대해 이야기하고 있습니다) 철거가 없습니다.
랜덤 변수로서 증분의 의존성에 대해 이야기하기를 바랍니다. 이 경우 공동 배포가 필요합니다. 두 개의 랜덤 변수 - 공동 2차원 분포, 3차원 - 3차원 등 2차원 히스토그램은 때때로 여전히 구축되고 더 높은 차원 - 어떻게 묘사해야 하는지 명확하지 않고 필요한 데이터의 수는 차원에 따라 크게 증가합니다. 이것은 일반적으로 수행되지 않는 것이 분명합니다(그러나 때때로 여전히 수행해야 함). 그러나 모든 것이 훨씬 더 나쁩니다. 각 증분(임의 변수)에 대해 단일 볼륨의 샘플(가격 차트에서 가져온 값)만 있습니다. 따라서 모든 종류의 가정과 가정(항상 사실이 아님)에 의존해야 합니다. 예를 들어, 증분의 정상성 가정을 충족하지 않으면 표본 분포가 실제 분포로 수렴되지 않습니다. 증분의 쌍별 종속성을 결정하는 데 필요한 2차원 분포의 경우에도 마찬가지입니다(예: 공분산 함수 계산). 간단히 말해서, "메모리"(독립 증분)가 없는 비고정 프로세스는 고정을 가정하는 방법을 사용하는 경우 "메모리"(증가 종속성)를 획득할 수 있습니다.
물론 일반적으로 철거는 없습니다. 그러나 그것이 있는 곳에는 상당히 별도의 영역이 있습니다(다시 비정상).
무엇이 잘못되었는지 알 수 없습니다. 나는 공식에 따라 밀도를 계산한다
수학 기대값 = 0 , 분산 = 55 , X = 13
밀도 = (1/(MathSqrt(분산) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * 분산)) )
밀도 = 0.01979를 얻습니다.
여기에서 확인
https://planetcalc.ru/4986/
밀도 = 0.01157
공식을 잘못 적었습니까 아니면 계산기 웹 사이트에 오류가 있습니까?무엇이 잘못되었는지 알 수 없습니다. 나는 공식에 따라 밀도를 계산한다
수학 기대값 = 0 , 분산 = 55 , X = 13
밀도 = (1/(MathSqrt(분산) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ((X * X)/(2 * 분산)) )
밀도 = 0.01979를 얻습니다.
여기에서 확인
https://planetcalc.ru/4986/
밀도 = 0.01157
공식을 잘못 적었습니까 아니면 계산기 웹 사이트에 오류가 있습니까?R에서:
R에서:
내 실수가 어디 있는지 알 수 없습니다.
여기에서 집단농장 연설을 할 수 있는 가장 낮은 교육을 받은 사람은 바스뿐입니다. 그는 때때로 좋은 연설을 한다. 분명히 깨어 있습니다. 꿈에서 통찰력이 그에게옵니다. 가끔은 재미있게 읽습니다.
따라서 증분의 합은 관찰의 슬라이딩 시간 창에서 가격 이며 초기 기준점 = 0입니다.
증분의 합은 그래프가 n초 동안 이동한 양입니다.
높은 일정은 많은 일정이 지나갔고 낮은 일정은 조금 지나갔습니다.
속도입니다.
이중 d = 55, X = 13;
이중 p = (1/( MathSqrt (d) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ( (X * X)/(2 * d) ) );
인쇄(p);
0.01157429298384641
이중 d = 55, X = 13;
이중 p = (1/(MathSqrt(d) * MathSqrt(2 * 3.14159265358979323846)) * MathPow(2.71828182845904523536, - ( (X * X)/(2 * d) ) );
인쇄(p);
0.01157429298384641
그렇다면 같은 공식, 왜 다른 결과인지 전혀 이해하지 못합니다. NormalizeDouble 최대 5자까지는 해당 효과가 없습니다...