이것은 사실이 아닙니다. 중퇴 x1=-1 도 가능하지만 가능성은 적습니다. 그들이 matstat에서 말했듯이 - 많은 수의 테스트에서 이것은 약 10%의 경우에 발생합니다. 이것은 사실 확률 이론의 공리의 기초입니다. 당신이 이것에 대해 나와 동의하지 않는다면, 나는 당신과의 토론을 중단해야 합니다.
당신의 이 진술은 어떤 문에도 전혀 들어가지 않습니다. 그리고 그것은 Kolmogorov의 공리 와 모순됩니다.
내 알고리즘에서 확률 p i 는 균일한 분포로 간격 (0, 1)의 난수 생성기 에 의해 제공됩니다. 다음은 rnd(1) 함수입니다.
각 단계에서 확률 p i 는 함수 rnd(1) 의 업데이트된 값으로 제공됩니다. rnd(1) 함수는 각 단계에서 다시 계산됩니다.
이거 몰라?
당신은 잘못. 알고리즘에서 p 는 중복 변수일 뿐입니다. p : p>1-p 의 조건은 p>1/2 조건과 같습니다. p=rmd(1) 이므로 방향 선택 조건은 p 없이 if (rnd(1)>1/2) x[i]=1 로 다시 작성할 수 있습니다. 초기 정의 내에서 모든 p i =1/2 가 "공정한 동전"인 특별한 경우만 생성합니다.
초기 정의와 일치시키기 위해 알고리즘은 배열 p[n] 을 입력으로 취해야 하며 각 i=1,...,n에 대해 방향 선택 조건은 다음과 같습니다. if (rnd(1)<p[i ]) x[i] =1 .
내 알고리즘에서 확률 p i 는 균일한 분포로 간격 (0, 1)의 난수 생성기 에 의해 제공됩니다. 다음은 rnd(1) 함수입니다.
각 단계에서 확률 p i 는 함수 rnd(1) 의 업데이트된 값으로 제공됩니다.
rnd(1) 함수는 각 단계에서 다시 계산됩니다. 이거 몰라?
품질 향상을 위해 처음에 시퀀스를 생성(예: 1000개)한 다음 이러한 시퀀스의 통계에 따라 더 정확한 시퀀스를 선택하고 각 단계마다 이미 준비된 시퀀스에서 순차적으로 읽는다. 수행. 조건부로 공정한 도박에서는 처음에 시퀀스가 생성되고 플레이어는 이 시퀀스에서 (후속) 값을 받습니다. 승/패 조건 및 플레이어의 행동으로 인한 모든 반응은 기본적으로 제외됩니다.
당신은 잘못. 알고리즘에서 p 는 중복 변수일 뿐입니다. p : p>1-p 의 조건은 p>1/2 조건과 같습니다. p=rmd(1) 이므로 방향 선택 조건은 p 없이 if (rnd(1)>1/2) x[i]=1 로 다시 작성할 수 있습니다. 초기 정의 내에서 모든 p i =1/2 가 "공정한 동전"인 특별한 경우만 생성합니다.
초기 정의와 일치시키기 위해 알고리즘은 배열 p[n] 을 입력으로 취해야 하며 각 i=1,...,n에 대해 방향 선택 조건은 다음과 같습니다. if (rnd(1)<p[i ]) x[i] =1 .
1) 당신은 틀렸습니다. 알고리즘을 수정, 단순화, 최적화할 수 있습니다. 저를 믿으세요, 저는 여러 가지 방법으로 그것을 칠할 수 있습니다. 그러나 이것은 문제의 본질을 변경하지 않습니다. 결과는 랜덤 워크 프로세스입니다.
2) 이 배열은 동일한 rnd(1) 로 채워져야 합니다. 그리고 근본적으로 바뀌는 것은 아무것도 없습니다. 1번 항목 참조.
당신은 논쟁을 위해 논쟁합니다. 어떤 이유로 나에게 그렇게 보입니다 ... IMHO, 말하자면 ...
5분 동안 자신만의 SB 버전을 만드십시오. 그리고 아무것도 생각할 필요가 없습니다. 귀하의 진술로 판단할 때 귀하는 SB를 모델링한 적이 없는 것 같습니다.
품질 향상을 위해 처음에 시퀀스를 생성(예: 1000개)한 다음 이러한 시퀀스의 통계에 따라 더 정확한 시퀀스를 선택하고 각 단계마다 이미 준비된 시퀀스에서 순차적으로 읽는다. 수행. 조건부로 공정한 도박에서는 처음에 시퀀스가 생성되고 플레이어는 이 시퀀스에서 (후속) 값을 받습니다. 승/패 조건 및 플레이어의 행동으로 인한 모든 반응은 기본적으로 제외됩니다.
1) 우리는 Kolmogorov의 공리학 에서 사건의 매우 구체적인 개념에 대해 이야기하고 있습니다.
2) 이 공리학에는 알고리즘이 없습니다.
나는 내 진술 어디에도 Kolmogorov의 공리 를 위반하지 않았으며, 더욱이 그것을 부정하지도 않았습니다. 그런데 어디선가 본 적이 있습니까? 어디에? 링크를 주세요.
당신은 따뜻함과 부드러움을 혼동하고 있습니다.
우리는 무엇에 대해 이야기하고 있습니까? 알고리즘의 결과인 이벤트에 대해:
이 알고리즘에서 조건은 하드 코딩됩니다. p 값 이 1-p 값보다 큰 경우 이벤트 x 에 값 1 을 할당합니다. 그렇지 않으면 이벤트 x 를 -1 로 설정합니다.
알고리즘이 작동하는 동안 이 조건은 항상 충족됩니다.
때때로 이 이벤트가 다음과 같이 또는 다음과 같이 올 수 있다고 선언합니다.
거래, 자동 거래 시스템 및 거래 전략 테스트에 관한 포럼
무작위 걷기:
알렉세이 니콜라예프, 2018.10.28 11:17
이것은 사실이 아닙니다. 중퇴 x1=-1 도 가능하지만 가능성은 적습니다. 그들이 matstat에서 말했듯이 - 많은 수의 테스트에서 이것은 약 10%의 경우에 발생합니다. 이것은 사실 확률 이론의 공리의 기초입니다. 당신이 이것에 대해 나와 동의하지 않는다면, 나는 당신과의 토론을 중단해야 합니다.
당신의 이 진술은 어떤 문에도 전혀 들어가지 않습니다. 그리고 그것은 Kolmogorov의 공리 와 모순됩니다.
이 모든 것을 냉정하게 살펴보십시오.
나는 내 진술 어디에도 Kolmogorov의 공리 를 위반하지 않았으며, 더 나아가 그것을 부정하지도 않았습니다. 그런데 어디선가 본 적이 있습니까? 어디에? 링크를 주세요.
당신은 따뜻함과 부드러움을 혼동하고 있습니다.
우리는 무엇에 대해 이야기하고 있습니까? 알고리즘의 결과인 이벤트에 대해:
이 알고리즘에서 조건은 하드 코딩됩니다. p 값 이 1-p 값보다 큰 경우 이벤트 x 에 값 1 을 할당합니다. 그렇지 않으면 이벤트 x 를 -1 로 설정합니다.
알고리즘이 작동하는 동안 이 조건은 항상 충족됩니다.
때때로 이 이벤트가 다음과 같이 또는 다음과 같이 올 수 있다고 선언합니다.
당신의 이 진술은 어떤 문에도 전혀 들어가지 않습니다. 그리고 그것은 Kolmogorov의 공리 와 모순됩니다.
이 모든 것을 냉정하게 살펴보십시오.
초기 정의(위키에서 가져온 스레드의 첫 페이지에 있는 그림)에서 p i 는 확률입니다. 알고리즘에서는 확률이 아닙니다.
초기 정의(위키에서 가져온 스레드의 첫 페이지에 있는 그림)에서 p i 는 확률입니다. 알고리즘에서는 확률이 아닙니다.
내 알고리즘은 초기 정의와 완전히 일치합니다.
내 알고리즘에서 확률 p i 는 균일한 분포로 간격 (0, 1) 의 난수 생성기 에 의해 제공됩니다. 다음은 rnd(1) 함수입니다.
각 단계에서 확률 p i 는 함수 rnd(1) 의 업데이트된 값으로 제공됩니다.
rnd(1) 함수는 각 단계에서 다시 계산됩니다. 이거 몰라?
내 알고리즘은 초기 정의와 완전히 일치합니다.
내 알고리즘에서 확률 p i 는 균일한 분포로 간격 (0, 1) 의 난수 생성기 에 의해 제공됩니다. 다음은 rnd(1) 함수입니다.
각 단계에서 확률 p i 는 함수 rnd(1) 의 업데이트된 값으로 제공됩니다. rnd(1) 함수는 각 단계에서 다시 계산됩니다.
이거 몰라?
당신은 잘못. 알고리즘에서 p 는 중복 변수일 뿐입니다. p : p>1-p 의 조건은 p>1/2 조건과 같습니다. p=rmd(1) 이므로 방향 선택 조건은 p 없이 if (rnd(1)>1/2) x[i]=1 로 다시 작성할 수 있습니다. 초기 정의 내에서 모든 p i =1/2 가 "공정한 동전"인 특별한 경우만 생성합니다.
초기 정의와 일치시키기 위해 알고리즘은 배열 p[n] 을 입력으로 취해야 하며 각 i=1,...,n에 대해 방향 선택 조건은 다음과 같습니다. if (rnd(1)<p[i ]) x[i] =1 .
내 알고리즘은 초기 정의와 완전히 일치합니다.
내 알고리즘에서 확률 p i 는 균일한 분포로 간격 (0, 1) 의 난수 생성기 에 의해 제공됩니다. 다음은 rnd(1) 함수입니다.
각 단계에서 확률 p i 는 함수 rnd(1) 의 업데이트된 값으로 제공됩니다.
rnd(1) 함수는 각 단계에서 다시 계산됩니다. 이거 몰라?
품질 향상을 위해 처음에 시퀀스를 생성(예: 1000개)한 다음 이러한 시퀀스의 통계에 따라 더 정확한 시퀀스를 선택하고 각 단계마다 이미 준비된 시퀀스에서 순차적으로 읽는다. 수행. 조건부로 공정한 도박에서는 처음에 시퀀스가 생성되고 플레이어는 이 시퀀스에서 (후속) 값을 받습니다. 승/패 조건 및 플레이어의 행동으로 인한 모든 반응은 기본적으로 제외됩니다.
당신은 잘못. 알고리즘에서 p 는 중복 변수일 뿐입니다. p : p>1-p 의 조건은 p>1/2 조건과 같습니다. p=rmd(1) 이므로 방향 선택 조건은 p 없이 if (rnd(1)>1/2) x[i]=1 로 다시 작성할 수 있습니다. 초기 정의 내에서 모든 p i =1/2 가 "공정한 동전"인 특별한 경우만 생성합니다.
초기 정의와 일치시키기 위해 알고리즘은 배열 p[n] 을 입력으로 취해야 하며 각 i=1,...,n에 대해 방향 선택 조건은 다음과 같습니다. if (rnd(1)<p[i ]) x[i] =1 .
1) 당신은 틀렸습니다. 알고리즘을 수정, 단순화, 최적화할 수 있습니다. 저를 믿으세요, 저는 여러 가지 방법으로 그것을 칠할 수 있습니다. 그러나 이것은 문제의 본질을 변경하지 않습니다. 결과는 랜덤 워크 프로세스입니다.
2) 이 배열은 동일한 rnd(1) 로 채워져야 합니다. 그리고 근본적으로 바뀌는 것은 아무것도 없습니다. 1번 항목 참조.
당신은 논쟁을 위해 논쟁합니다. 어떤 이유로 나에게 그렇게 보입니다 ... IMHO, 말하자면 ...
5분 동안 자신만의 SB 버전을 만드십시오. 그리고 아무것도 생각할 필요가 없습니다. 귀하의 진술로 판단할 때 귀하는 SB를 모델링한 적이 없는 것 같습니다.품질 향상을 위해 처음에 시퀀스를 생성(예: 1000개)한 다음 이러한 시퀀스의 통계에 따라 더 정확한 시퀀스를 선택하고 각 단계마다 이미 준비된 시퀀스에서 순차적으로 읽는다. 수행. 조건부로 공정한 도박에서는 처음에 시퀀스가 생성되고 플레이어는 이 시퀀스에서 (후속) 값을 받습니다. 승/패 조건 및 플레이어의 행동으로 인한 모든 반응은 기본적으로 제외됩니다.
도박은 이미 여기에 끌렸다 ...
5분 동안 자신만의 SB 버전을 만드십시오.2) 이 배열은 동일한 rnd(1) 로 채워져야 합니다. 그리고 근본적으로 바뀌는 것은 아무것도 없습니다. 1번 항목 참조.
반드시 무작위는 아니지만 결과가 매우 다른 수많은 가능한 옵션이 있습니다. 예를 들어, 배열의 시작 부분에서 확률은 1/2보다 작으며 끝에서 - 더 많습니다(배열의 평균은 약 1/2). 상승추세에 의한 하락추세 반전 의 모델이 됩니다.
반드시 무작위는 아니지만 결과가 매우 다른 수많은 가능한 옵션이 있습니다. 예를 들어, 배열의 시작 부분에서 확률은 1/2보다 작으며 끝에서 - 더 많습니다(배열의 평균은 약 1/2). 상승추세에 의한 하락추세 변화의 모델이 됩니다.
나는 당신이 이미 트롤을 시작했다는 것을 알았습니다 ...
이 " 결과가 매우 다른 수많은 가능한 옵션 "에서 우리는 한 가지 옵션에서 멈춰야 합니다. 나는 내가 시연한 옵션으로 정착했다.
옵션을 선택할 수 있습니다.
5분 동안 자신만의 SB 버전을 만드십시오. 그리고 아무것도 생각할 필요가 없습니다. 당신의 진술로 볼 때 당신은 안전보장이사회를 본보기로 삼은 적이 없는 것 같습니다.
솔직히 이 공허한 씹는 것도 지겹다.
따라서 무작위 보행을 백색 잡음과 혼동하거나 수학적 기대치를 확률과 혼동하는 사람들을 위해 대화를 계속 진행하기 위해