Calcular a probabilidade de inversão - página 6
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
Portanto, é suavizante.
)
É uma aproximação da mistura gaussiana...
)
É uma aproximação da mistura gaussiana...
A aproximação por mistura é um pouco diferente.
)
É uma aproximação por uma mistura de gaussianos...
Bem, eu estou interessado no resultado final, não nos gaussianos individuais.
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?
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.
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.
...
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)
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.
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).
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.