Cursos absolutos - página 38

 
Dr.F.:

Eu mesmo posso fazer isso. O tópico é interessante, sobre a distinção entre citações e hspc. Meu algoritmo parece ser capaz de fazê-lo, embora não tenha sido planejado para fazê-lo.
Pegue a série real. Calcule por seu algoritmo para as primeiras 144 amostras. Depois para o próximo e assim por diante. Veja como o CQ (distribuição) muda. Faça o mesmo para a série de caminhadas aleatórias. calmamente, sem truques))
 
Avals:
pegar as fileiras reais. Calcule seu algoritmo para as primeiras 144 contagens. Depois, para o próximo e assim por diante. Veja como o CQ (distribuição) muda. Faça o mesmo para a série de caminhadas aleatórias. calmamente, sem truques))


É exatamente isso que vou fazer e afixar o material. Embora a quantidade de cálculos seja grande, e eu terei que executar manualmente, puramente, não mais do que 10 pontos ali e ali.
 

A propósito, aqui estão as fotos para suas situações. Eu as converti em arquivos ED1, EY1, ED2, EY2 para facilitar a leitura - estou publicando aqui.

Arquivos anexados:
ed1.txt  7 kb
ey1.txt  8 kb
ed2.txt  7 kb
ey2.txt  8 kb
 

Funcionou para o primeiro:


Os números são aproximados porque o algoritmo é pior do que no computador em casa.

 

Para o segundo caso, no entanto, acabou sendo assim:

 
0,98 para real e 0,997 para HSPC é uma diferença perceptível. acho que à noite, com um algoritmo normal, ele se tornará ainda mais claro. como 0,985 e 0,9999, por exemplo.
 
A física dela é, na verdade, bastante simples. De acordo com o que eu disse anteriormente. Em citações reais, poderemos ver alguma "forma geral" e em seu fundo "diferenças individuais". Diferenças de formas com um "movimento comum". E no HSPC, veremos simplesmente uma "forma comum". E se contarmos com mais precisão (mais tempo), então nada, ou efeitos absolutamente insignificantes simplesmente porque contamos aproximações. Sem "diferenças individuais" formando as relações ED, EY, DY. De certa forma, esta é uma prova do meu modelo. Mais detalhes à noite.
 

Lembre-se de que não existe um processo aleatório ideal na natureza. PRNG é um evento "feito pelo homem", portanto, deve haver algumas dependências (não necessariamente significativas) "funcionais". Algoritmos que detectam/reduzem séries aparentemente aleatórias a regularidades já existem há muito tempo. Então ....

pausa musical

 
essencialmente, relações de moeda torcidas para combinar com os incrementos dos pares. Todas as moedas estão indo na mesma direção. É tudo uma questão de proporções de escolha. Há mais de uma solução, como já foi dito aqui. Mas na condição de correlação de moedas deveria haver mais ou menos condição/razão ótima, provavelmente, deveríamos olhar através das relações e escolher entre elas aquela que tem parâmetros mínimos no conjunto de relações. Talvez devêssemos levar em conta o valor mínimo modulo da série normalizada de pares, vamos olhar qual par tem o aumento mínimo e escolher a relação mais próxima, assim a diferença entre índices co-direcionais na forma normalizada seria mínima.
 
Joperniiteatr:
essencialmente, relações de moeda torcidas para combinar com os incrementos dos pares. Todas as moedas estão indo na mesma direção. É tudo uma questão de proporções de escolha. Há mais de uma solução, como já foi dito aqui. Mas dada a direcionalidade das moedas, deve haver mais ou menos a condição/razão ótima, aparentemente, precisamos passar pelas proporções e escolher aquela que tem os parâmetros mínimos no conjunto das proporções.

Pode haver muitas soluções, mas a transição limite é satisfeita por uma. Procuramos tais E, D, Y que se correlacionariam em relações com relações conhecidas com coeficiente = 1, e entre si se aproximariam ao máximo das unidades (quero dizer coeficientes de correlação). Atingiu o teto máximo possível corr(E,D)+corr(E,Y)+corr(D,Y) -> 3 o mais próximo possível de 3. É claro que existe apenas uma solução desse tipo. Em cursos reais, tem um limite, não pode chegar a 3. No HSPC, ele pode.