Por que a distribuição normal não é normal? - página 4
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
horror. pessoas atirando palavras como essa, eu não pertenço aqui.
Estou lendo, tentando descobrir no que eles vão concordar.
Se é a primeira tentativa de outro cordeiro de colocar um par de floreados em um polvo, isso é uma coisa. Se for algo prático, eu participarei.
Assim, o Neutron veio e colocou tudo em seu lugar. A propósito, o marketeer também está falando sobre a curtose e assimetria.
A curva gaussiana correspondente pode ser traçada como você quiser, mas aqui é mais fácil simplesmente calcular a variância da amostra e traçar uma curva gaussiana com os parâmetros 0 e sigma. É quando você pode ver a diferença entre um histograma real e uma curva tão gaussiana.
A propósito, esta aproximação gaussiana deve ser significativamente inferior ao histograma real no centro da curva (no ponto zero).
Urain, por quanto você multiplicou o s.c.o. das amostras?
Por outro lado, a estimativa da c.s.o. para uma distribuição fortemente gordurosa depende do tamanho da amostra, portanto, não é tão simples aqui.
Eu não toquei no RMS, apenas peguei um gráfico pronto e o escalei para caber no histograma na vertical.
O histograma é a distribuição da diferença Clos (tem ME e RMS) e estes ME e RMS são usados para construir a linha vermelha usando a fórmula acima, mas como a linha se perde na parte inferior do histograma e os pequenos valores absolutos x para construir um histograma y proporcional são os culpados, tivemos que multiplicar cada linha y por um multiplicador para comparação.
Para a função de referência, a variância e o MO são tomados de um número de aspas (também calculados ali) e definidos para o mesmo valor, mas a única manipulação é com os valores absolutos da referência, aqui temos que adicionar cada termo ao coeficiente para combinar os vértices.
Tanto quanto sei, a função de referência é uma função HP.
Se sim, você fez tudo certo, exceto uma coisa: você não pode fazer nenhum domínio. Seu desejo de combinar vértices não tem nada a ver com a localização real dos gráficos. Além disso, o domínio viola a normalização da função HP. O que você acha da probabilidade >1 ?
Se você remover a dominação e fizer a foto novamente, as parcelas corresponderão mais ou menos decentemente em largura. Entretanto, o histograma será mais alto no centro e nas bordas, o que indica dois problemas principais: maior retorno e, ao mesmo tempo, caudas pesadas.
Faça uma foto como esta, se não se importa.
PS
Eu entendo seu problema pelo posto anterior. Não há necessidade de violar a norma HP. É melhor encontrar a escala certa para o histograma. É encontrado a partir do mesmo racionamento. Você tem que somar as alturas de todas as barras do histograma e depois dividir cada barra por este valor. O resultado é que o histograma também é normalizado para 1.
Estou lendo - tentando descobrir no que eles vão concordar.
Se é outra primeira tentativa de colocar um par de floreados em um polvo, isso é uma coisa. Se for algo prático, eu estou dentro.
Tentando descobrir o que está na primeira diferença de uma série de citações que não está na distribuição normal?
Estou tentando descobrir, o que está na primeira diferença das séries de citações, que não está presente na distribuição normal?
E qual é a finalidade disto, qual é o objetivo? Para identificar áreas de 'anormalidade'? Novamente, por quê?
(até agora apenas "?????")))
E qual é a finalidade disso, qual é o objetivo? Identificar áreas de 'anormalidade'? Novamente - por quê?
(Até agora um "?????")))
Digamos para sondar que lei da anormalidade se manifesta.
É meu entendimento que a função de referência é uma função HP.
Se sim, você fez tudo certo, exceto uma coisa: você não pode fazer nenhum domínio. Seu desejo de combinar os vértices não tem nada a ver com a localização real dos gráficos. Além disso, o domínio viola a normalização da função HP. O que você acha da probabilidade >1 ?
Se você remover a dominação e fizer a foto novamente, as parcelas corresponderão mais ou menos decentemente em largura. Entretanto, o histograma será mais alto no centro e nas bordas, o que indica dois problemas principais: maior retorno e, ao mesmo tempo, caudas pesadas.
Faça uma foto como esta, se não se importa.
PS
Eu entendo seu problema pelo posto anterior. Não há necessidade de violar a norma HP. É melhor encontrar a escala certa para o histograma. É encontrado a partir do mesmo racionamento. Você tem que somar as alturas de todas as barras do histograma e depois dividir cada barra por este valor. O resultado é que seu histograma também é normalizado por 1.
Bem, não é nada de mais. Você ainda precisa normalizá-la.
bem, não há nenhum racionamento. Apenas ambos são ajustados para multiplicador=1,0/Ponto; caso contrário, o indutor não vê valores tão pequenos.
. Na parte inferior esquerda está a densidade de distribuição de probabilidade, na direita - a mesma em escala logarítmica.
Se a distribuição fosse normal, teríamos aqui uma parábola, mas não há uma por causa das caudas "gordas". Basicamente, precisamos encaixar aqui um Gaussiano de mínimos quadrados, e então tudo se encaixará no lugar. Terei que lançar uma fórmula para o ajuste ideal...
Sergei, e quanto ao logaritmo duplo? Já há algum tempo que penso nisso...
Eu ainda não posso testá-lo por modéstia :)
Sergei, e quanto ao logaritmo duplo? Já há algum tempo que penso nisso...
Eu sou muito modesto para verificar :)
Acontece que sim:
Pode-se ver que perto de zero, a distribuição está próxima do normal, e então vai para assimptóticos na forma de linhas retas, o que em uma escala logarítmica dupla indica a natureza exponencial da distribuição dos "rabos". Em outras palavras, sobre seu "peso".