RMS를 올바르게 계산했습니다. 그러나 n=1일 때 얼마나 되는지 보십시오. 그리고 당신은 이것이 어떤 종류의 어리석음인지 의심합니다. "n - 통계 모집단의 양"이라는 이름은 매우 모호하며 일반적으로 n이 샘플의 요소 수라고 씁니다. 그러면 요소가 하나만 있는 경우 이 공식을 사용하여 RMS를 계산할 수 없습니다. 따라서 표준 편차의 제곱을 분산의 "편향된" 추정값이라고 합니다. n 대신 분모가 n1-1인 편향되지 않은 것도 있습니다. 편향되지 않은 분산 추정값의 제곱근을 표준 편차라고 합니다.
이 충돌의 특성은 하나의 요소에 1개의 자유도가 있다는 것입니다. 적은 양의 데이터에서 많은 특성이 결정되면 서로 의존하게 됩니다. 이 경우 RMS 계산에는 산술 평균이 포함됩니다. 말하자면, 1자유도는 이미 사용되었습니다. 표준 편차 분모의 "이상한" 동작은 한 요소에서 평균과 산포를 모두 결정하는 것이 불가능하다는 것을 나타냅니다. 표준편차가 항상 표준편차보다 크다는 것을 알 수 있다. [n/(n-1)]^0.5배에서. 그러나 샘플에 많은 수의 요소가 있으므로 결국 이를 잊어버릴 수 있습니다. n=100일 때 이것은 (100/99)^0.5=1.005, 0.5퍼센트입니다. 특히 RMS가 어떤 가치를 위해 꾸준히 노력하고 있다는 것을 확실히 알고 있다면 더욱 그렇습니다.
여기서 트릭이 시작됩니다. "RMS는 경향이 있습니다", 즉 많은 수의 법칙이 작동합니다. 측정된 실제 현상이 실제로 이러한 안정성을 갖는다면. 즉, 확률 이론의 주요 가설이 충족됩니다. 이벤트의 상대 빈도는 이벤트 수가 증가함에 따라 어느 정도 값이 되는 경향이 있습니다. 이를 "통계적 안정성"이라고도 합니다. 그것이 존재하지 않는다면, 확률의 전체 고전 이론은 이 현상에 적용할 수 없습니다. 이 차이점은 https://www.mql5.com/ru/forum/221552/page58#comment_6191471 및 그 이상의 메시지로 시작하는 Oleg avtomat 의 큰 인용문에서 논의됩니다. 읽기가 어렵습니다. 제 생각에는 Gorban의 보고서 발표를 그림과 그래프로 보는 것이 훨씬 더 재미있습니다. 예를 들어 다음과 같은 문구를 사용하면 보다 낙관적이고 건설적인 분위기를 조성할 수 있습니다.
"전통적으로 현저한 불안정 요소로 간주되는 파도가 수중 음향 스테이션의 특성을 향상시킬 수 있음이 표시됩니다."
저자는 환율까지 살펴보고 "160년 동안 평균을 낸 통계적 불안정성 매개변수(연속 곡선)와 이 평균 매개변수의 변화 범위는 호주 달러(AUD) 호가에 대한 RMS(점선)에 의해 결정됨 2001(a) 및 2002(b)의 미국 달러(USD) 대비.
프레젠테이션을 첨부합니다. 더 많은 소스를 원하는 사람들을 위해 "과거 세미나 아카이브 "이미지 컴퓨터" http://irtc.org.ua/image/ 목록에서 프레젠테이션 목록(때로는 파일 주소 포함)이 있습니다. 2002-2017 세미나/아카이브 Gorban은 "초임의" 현상 분야의 발전에 대한 최대 12개의 논문을 보유하고 있습니다.
아이.아이. 하이퍼 랜덤 현상의 Gorban 이론.- 웜 2007 키예프 이론과 실습. 섹션 7. 시스템 분석. 아이.아이. 호반 무작위성과 하이퍼 무작위성 키예프 NAUKOVA DUMKA 2016. - 288페이지. ISBN 978-966-00-1561-6
외부 영향이 없는 블랙박스(내부 거래자와 시장 - 교환)와 일종의 독립적인 삶 - 상자의 출력: 특정 견적의 흐름을 상상해 봅시다. 외부의 영향이 없어도 어떻게든 변할 것입니다.
이제 다른 부호와 강도(예: 뉴스)의 무작위(관찰자의 경우) 델타 함수가 이 NC에 올 수 있습니다. CN은 어떻게든 반응하기 시작하고 우리는 영향 자체를 관찰하는 것이 아니라 이에 대한 CN의 반응 + CN 자체의 독립적인 수명을 관찰합니다.
기억은 존재하지만 출력에서 우리는 다수의 사건에 대한 반응과 CN 자신의 삶에 대한 중첩을 가지고 있습니다. 단순제어시스템(ACS)의 경우에도 해결할 수 없는 부분과 해결되지 않는 부분을 분리하는 작업.
글쎄, 원칙적으로 나는 오래 전에 그런 모델을 만들었습니다. 질문은 다릅니다. 레벨 투영을 증분으로 표시하는 방법은 무엇입니까?
글쎄, 원칙적으로 나는 오래 전에 그러한 모델을 만들었습니다. 질문이 다릅니다. 레벨 투영을 증분으로 표시하는 방법은 무엇입니까?
IMHO, 안 돼요.
플랫폼 자체는 구조적으로 통합자에 불과합니다. 차별화함으로써 우리는 영향에 대한 많은 거래자의 순전히 반응을 얻습니다. 필터링 측면에서 차별화는 고주파수 성분의 상승과 저주파 억제입니다.
추신: 무언가를 강조하려면 다시 통합해야 합니다.)
외부 영향이 없는 블랙박스(내부 거래자와 시장 - 교환)와 일종의 독립적인 삶 - 상자의 출력: 특정 견적의 흐름을 상상해 봅시다. 외부의 영향이 없어도 어떻게든 변할 것입니다.
이제 다른 부호와 강도(예: 뉴스)의 무작위(관찰자의 경우) 델타 함수가 이 NC에 올 수 있습니다. CN은 어떻게든 반응하기 시작하고 우리는 영향 자체를 관찰하는 것이 아니라 이에 대한 CN의 반응 + CN 자체의 독립적인 수명을 관찰합니다.
기억은 존재하지만 출력에서 우리는 다수의 사건에 대한 반응과 CN 자신의 삶에 대한 중첩을 가지고 있습니다. 단순제어시스템(ACS)의 경우에도 해결할 수 없는 부분과 해결되지 않는 부분을 분리하는 작업.
하지만 내 36개 통화 쌍은 어떻습니까? 이러한 스트림에서 동시에 거래하려면 어떤 종류의 슈퍼컴퓨터가 필요합니까? 뭔가 속상했는데...
유감입니다 ... 우리가 운송 부서장의 말을 듣지 못한 것이 유감입니다. (와 함께)
그리고 여기에서 누가 다른 사람들의 게시물을 삭제하고 그 이유는 무엇입니까? 글쎄, 그것은 다시 나를 위해 어렵지 않습니다.
Alexander_K2, 수정 시리즈의 배포는 어떻습니까? 계산하는 것은 몇 분의 문제입니다.
RMS를 올바르게 계산했습니까?
공식은 다음과 같습니다.
엑셀 결과는 다음과 같습니다.
RMS를 올바르게 계산했습니다. 그러나 n=1일 때 얼마나 되는지 보십시오. 그리고 당신은 이것이 어떤 종류의 어리석음인지 의심합니다. "n - 통계 모집단의 양"이라는 이름은 매우 모호하며 일반적으로 n이 샘플의 요소 수라고 씁니다. 그러면 요소가 하나만 있는 경우 이 공식을 사용하여 RMS를 계산할 수 없습니다. 따라서 표준 편차의 제곱을 분산의 "편향된" 추정값이라고 합니다. n 대신 분모가 n1-1인 편향되지 않은 것도 있습니다. 편향되지 않은 분산 추정값의 제곱근을 표준 편차라고 합니다.
이 충돌의 특성은 하나의 요소에 1개의 자유도가 있다는 것입니다. 적은 양의 데이터에서 많은 특성이 결정되면 서로 의존하게 됩니다. 이 경우 RMS 계산에는 산술 평균이 포함됩니다. 말하자면, 1자유도는 이미 사용되었습니다. 표준 편차 분모의 "이상한" 동작은 한 요소에서 평균과 산포를 모두 결정하는 것이 불가능하다는 것을 나타냅니다. 표준편차가 항상 표준편차보다 크다는 것을 알 수 있다. [n/(n-1)]^0.5배에서. 그러나 샘플에 많은 수의 요소가 있으므로 결국 이를 잊어버릴 수 있습니다. n=100일 때 이것은 (100/99)^0.5=1.005, 0.5퍼센트입니다. 특히 RMS가 어떤 가치를 위해 꾸준히 노력하고 있다는 것을 확실히 알고 있다면 더욱 그렇습니다.
여기서 트릭이 시작됩니다. "RMS는 경향이 있습니다", 즉 많은 수의 법칙이 작동합니다. 측정된 실제 현상이 실제로 이러한 안정성을 갖는다면. 즉, 확률 이론의 주요 가설이 충족됩니다. 이벤트의 상대 빈도는 이벤트 수가 증가함에 따라 어느 정도 값이 되는 경향이 있습니다. 이를 "통계적 안정성"이라고도 합니다. 그것이 존재하지 않는다면, 확률의 전체 고전 이론은 이 현상에 적용할 수 없습니다. 이 차이점은 https://www.mql5.com/ru/forum/221552/page58#comment_6191471 및 그 이상의 메시지로 시작하는 Oleg avtomat 의 큰 인용문에서 논의됩니다. 읽기가 어렵습니다. 제 생각에는 Gorban의 보고서 발표를 그림과 그래프로 보는 것이 훨씬 더 재미있습니다. 예를 들어 다음과 같은 문구를 사용하면 보다 낙관적이고 건설적인 분위기를 조성할 수 있습니다.
"전통적으로 현저한 불안정 요소로 간주되는 파도가 수중 음향 스테이션의 특성을 향상시킬 수 있음이 표시됩니다."
저자는 환율까지 살펴보고 "160년 동안 평균을 낸 통계적 불안정성 매개변수(연속 곡선)와 이 평균 매개변수의 변화 범위는 호주 달러(AUD) 호가에 대한 RMS(점선)에 의해 결정됨 2001(a) 및 2002(b)의 미국 달러(USD) 대비.
프레젠테이션을 첨부합니다. 더 많은 소스를 원하는 사람들을 위해 "과거 세미나 아카이브 "이미지 컴퓨터" http://irtc.org.ua/image/ 목록에서 프레젠테이션 목록(때로는 파일 주소 포함)이 있습니다. 2002-2017 세미나/아카이브 Gorban은 "초임의" 현상 분야의 발전에 대한 최대 12개의 논문을 보유하고 있습니다.
아이.아이. 하이퍼 랜덤 현상의 Gorban 이론.- 웜 2007 키예프 이론과 실습. 섹션 7. 시스템 분석.
아이.아이. 호반 무작위성과 하이퍼 무작위성 키예프 NAUKOVA DUMKA 2016. - 288페이지. ISBN 978-966-00-1561-6