Почему нормальное распределение не нормально? - страница 3
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Да ничё так, нормальная у тебя получилась кривая!
Нищак.
(Большой баннер в общаге унитета на 5-м курсе: ВСЁ НОРМАЛЬНО!)
А вот всякие умножения для этого метода не нужны. Это верно.
Я считаю эталонную функцию вот по этой формуле :
так что при х в скажем 50 абсолютное значение просто не может быть несколько тысяч как в гистограмме так что подгонять всё равно прийдётся,
а вот чтоб подгонка была корректна нужно применять её ко всем членам кривой тогда вид кривой не меняется (особенно в скользящем масштабе).
Все же, для оценивания нормальности, ничего умножать не надо. Но возможно, я не до конца разобрался в вашем вопросе.
Коллеги, Вы чего?
Исследователь выдвигает ГИПОТЕЗУ О НОРМАЛЬНОСТИ исследуемого случайного процесса и моделирует кривую его вероятности или плотности вероятности, исходя из НОРМАЛЬНОЙ ГИПОТЕЗЫ.
Гипотеза не подтвердилась. Графики не совпали.
Вот и всё.
Ну это первый этап. Да, ненормальное. Далее можно порассуждать чем отличается от НР максимально апроксимирующего эксперементальные данные. Поговорить чиста :)
Чтобы проверить на нормальность, не нужно никаких гистограмм рисовать и спорить по поводу того, как их масштабировать. Достаточно вывести М и сигму. То, что М в районе нуля - видно, и потому осталось выснить, равна ли сигма примерно 3.
А ещё есть вариант строить гистограмму в логарифмическом масштабе. Для нормального распределения получим параболу.
Чтобы проверить на нормальность, не нужно никаких гистограмм рисовать и спорить по поводу того, как их масштабировать. Достаточно вывести М и сигму. То, что М в районе нуля - видно, и потому осталось выснить, равна ли сигма примерно 3.
А форма распределения что роли не играет?
А форма распределения что роли не играет?
Форма распределения как раз определяется двумя параметрами: гамма - асимметрия, и эксцесс - епсилон. Гамму тоже желательно вывести, но пока можно прикинуть и на глаз.
А ещё есть вариант строить гистограмму в логарифмическом масштабе. Для нормального распределения получим параболу.
Как я понимаю, в аналитическом виде решить задачу оптимальной аппроксимации нормального распределения нельзя. Но, этого и не нужно. Если построить ряд первой разности для ценового ВР, то мы получим распределение с нулевым МО и учитывая то, что нам не важно абсолютное значение амплитуды распределения мы имеем всего один определяемый параметр - ширину распределения.
Вот, к примеру, на рис. сверху в верху показан ряд минуток, правее - его первая разность. Внизу слева плотность распределения вероятности, справа - она же в логарифмическом масштабе. Если бы распределение было бы нормальным, у нас бы тут была парабола, а её нет - из-за "толстых" хвостов. В принципе, сюда нужно вписывать гаусс по методу наименьших квадратов, тогда всё встанет на свои места. Нужно накидать формулку для омтимального вписывания...
Ну вот, пришел Neutron и поставил все на место. Кстати, marketeer тоже дело говорит насчет эксцесса и асимметрии.
Соответствующую гауссову кривую можно строить как угодно, но здесь проще всего подсчитать просто дисперсию выборки и построить гауссову кривую с параметрами 0 и сигма. Вот тогда будет видно отличие реальной гистограммы от такой гауссовой кривой.
Кстати, эта гауссовская аппроксимация должна быть существенно ниже реальной гистограммы в центре кривой (в нулевой точке).
Urain, ты на сколько с.к.о. выборки умножил?
С другой стороны, оценка с.к.о. для сильно толстохвостого распределения зависит от величины выборки, так что тут не все так просто.