Calcular a probabilidade de inversão - página 6

 
secret:

Portanto, é suavizante.

)

É uma aproximação da mistura gaussiana...

 
Mikhail Dovbakh:

)

É uma aproximação da mistura gaussiana...

A aproximação por mistura é um pouco diferente.

Аппроксимация суммой гауссовских функций : Помогите решить / разобраться (М)
  • dxdy.ru
Есть набор экспериментальных данных Существуют ли какие-нибудь специальные методы для их аппроксимации функцией вида то есть как бы суммой гауссовских функций? Как можно найти неизвестные параметры ? МНК здесь вряд ли поможет, зависимости ведь нелинейные. Нет ли готовых научных исследований на эту тему? Если есть, скиньте пожалуйста ссылку. В...
 
Mikhail Dovbakh:

)

É uma aproximação por uma mistura de gaussianos...

Bem, eu estou interessado no resultado final, não nos gaussianos individuais.

 
Aleksey Nikolayev:

Então você precisa encontrar "estatísticas aplicadas" por Kobzar e veja lá o segundo capítulo)

Procurado, mas nem mesmo uma palavra tão "aproximação" encontrou)

Em geral, é estranho. Há um milhão de formas complicadas de estimativa. Exceto por uma, a mais compreensível, simples e precisa - a aproximação.

Talvez eu não entenda alguma coisa?

 
secret:

Procurei, mas não encontrei nem mesmo a palavra "aproximação").

É esquisito. Há um milhão de formas inteligentes de estimativa. Exceto por uma, que é a mais clara, simples e precisa - a aproximação.

Talvez eu não entenda alguma coisa?

É possível chegar a um enorme número de várias estimativas. Só então é preciso estabelecer sua consistência e imparcialidade, no mínimo. Isto não é verdade para todos os estimadores "precisos, simples e diretos", um exemplo típico é o denominador n-1 em um estimador de variância imparcial.

Se a estimativa existente também for eficiente e suficiente, então a invenção de novas estimativas ou é inútil, ou deve ter alguma base adicional. Normalmente são considerações de robustez, lidando com pequenas amostras, valores aberrantes, valores ausentes, etc.

 
secret:

O que se entende não é uma série cronológica, mas um histograma próximo ao normal.

O quanto as pessoas se aproximam da probabilística e até mesmo esquecem que um histograma é apenas "uma forma de representar graficamente dados tabulares" (Wiki), o que não diz nada sobre seu conteúdo. Até onde posso adivinhar, você está falando de uma tabela de freqüências de amostragem relativas (em relação à soma total) Oi de algum evento x>xi, presumivelmente próximo a uma distribuição de probabilidade normal. E sobre a sua substituição por valores de probabilidades normais de distribuição, de modo que o erro seja mínimo em algum sentido. O que você não gosta nas fórmulas de cálculo direto desses parâmetros, expectativa e variação por sua definição?

Se xi na tabela são equidistantes, então:

- A expectativa é ajustada simplesmente como a média aritmética de todas as realizações = a média ponderada dos valores da tabela com pesos iguais a Íi daquela tabela;

- dispersão - como a raiz quadrada do desvio padrão (os pesos são os mesmos Hi), ou, se você quiser maior precisão de estimativa, não o desvio padrão, mas o desvio padrão (a única diferença é se dividir por n ou por n-1). A estimativa de desvio padrão é imparcial.

 
Maxim Romanov:

...

Aqui, no eixo x, você pode ver quantos passos a pessoa tomou do ponto de partida, de -10 (esquerda) a +10 (direita) e a probabilidade com que o fez em %. Como você encontra qual era a probabilidade de dar a volta em cada passo?

Seu exemplo é muito provavelmente o resultado de uma simulação da venerável placa Galton com refletores.

Em todo caso, é muito semelhante.



é muito plausível a 10
iterações (isto é, uma placa do tipo "casa") para uma cadeia de Markov com matriz de probabilidade de transição -

0.75 0.25 0 0 ... 0

0.25 0.5 0.25 0 ... 0

...

0 ... 0.25 0.5 0.25

0 ... 0 0.25 0.75

estado inicial 0 0 0 0 0 0 0 0 1000 0 0 0 0 0 0. ou seja, a partir do zero relativo)

 
Vladimir:

Por que você não está satisfeito com as fórmulas para calcular diretamente esses parâmetros, a expectativa e a variação por sua definição?

Por exemplo, eles não mostram gordura.

 
secret:

Por exemplo, eles não mostram gordura. E os gaussianos, com base neles, provavelmente não convergirão com os dados, nem na cauda, nem no centro.

Mas, no entanto, a diferença significativa está apenas nos bunkers mais externos. Como eu disse acima, isto se deve às paredes refletoras).


 
secret:

Por exemplo, eles não mostram uma grande dificuldade.

Não são as formas de estimar os parâmetros de uma distribuição normal (encaixe, aproximação) que a mostram em absoluto. É a distribuição normal em si que não tem caudas grossas. Pergunte a Alexander_K2, ele estava procurando por essas caudas. Basta olhar para a tabela com os parâmetros da unidade. Há tabelas em cada livro didático de TV, acho eu, e em cada livro de referência matemática. Não importa como você se ajuste, você tem que mudar a distribuição de variantes para pegar rabos gordurosos. E por que exatamente você precisa de uma distribuição de probabilidade? Exatamente a distribuição de probabilidade? Por que estes carimbos para "alguns dados"? Ou não são afinal alguns dados, mas sim amostras de freqüências relativas, como eu adivinhei?

Talvez a questão seja que a representação probabilística não descreve seus dados de forma alguma? Lembre-se, como a expectativa dança nas fotos de Yuriy Asaulenko https://www.mql5.com/ru/forum/221552/page162#comment_6399653 sobre taxas Forex. Você não quer usar a representação probabilística para eles? Depois fica claro de onde vêm os rabos pesados.

От теории к практике
От теории к практике
  • 2018.01.26
  • www.mql5.com
Добрый вечер, уважаемые трейдеры! Решил было на какое-то время покинуть форум, и сразу как-то скучно стало:)))) А просто читать, увы - неинтересно...