О случайном блуждании замолвите слово... - 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
как это не связаны? Нормальное распределение стационарно и приращения СБ распределенные по НР - стационарны, а я изначально говорил именно о приращениях.
...
Вы считаете что НР нестационарно? Или нельзя для каждого непрерывного распределения сказать - является оно стационарным или нет? :)
Вот определение стационарности, где там хоть слово про распределение? Стационарность это свойство процесса, а не распределения. Этот процесс имеет какое-то распределение. Процесс с нормальным распределением может быть стационарным, а может и не стационарным. От распределения это не зависит. Ну и естественно, зная только распределение процесса невозможно ничего сказать о его стационарности.
Относительно самого СБ (как куммулятивная сумма приращений): никаких "тяжелых хвостов" описанных вами в предыдущем посте не будет. Потому что само СБ так же распределена нормально, но с дисперсией в t раз больше чем для одного приращения (в момент t от начала отсчета). Да, с увеличением времени дисперсия распределения СБ увеличивается, а это распределение фактически есть сумма независимых случайных величин, распределенных нормально (приращения), что соответсвует определению устойчивости по вашей ссылке. Тяжелые хвосты за 3мя сигмами например, а для СБ если подсчитать дисперсию в конкретный момент времени (а можно и аналитически) - все будет как для нормального. Оно и будет нормальным с конкретными параметрами - конечной дисперсией и мо
Прежде чем писать, я промоделировал ситуацию в Матлабе, т.е. я за свои слова отвечаю. А ты тут наобум горячку порешь. Если "иногда" удваивать значение приращения, как хотел Аватара, то увеличивается дисперсия у "больших" отклонений, и возрастает куртосис. Приращения перестают быть нормально распределёнными даже если были такими изначально. А вот у самого СБ никаких хвостов не будет, СБ имеет нормальное распределение и при этом нестационарно, независимо от природы приращений.
Вот определение стационарности, где там хоть слово про распределение?
я говорю, что для каждого распределения можно выяснить - является оно стационарным или нет, или что тоже самое процесс соответсвенно распределенный будет стационарным или нет. И написал, что приращения СБ моделируются стационарными распределениями. Если распределение например нормальное, то и процесс стационарен. Может быть процесс, который распределен нормально быть нестационарным?
Стационарность это свойство процесса, а не распределения. Этот процесс имеет какое-то распределение. Процесс с нормальным распределением может быть стационарным, а может и не стационарным. От распределения это не зависит. Ну и естественно, зная только распределение процесса невозможно ничего сказать о его стационарности.
Откуда ты это взял? Приведи пример нестационарного процесса, распределение которого будет нормальным.
Прежде чем писать, я промоделировал ситуацию в Матлабе, т.е. я за свои слова отвечаю. А ты тут наобум горячку порешь. Если "иногда" удваивать значение приращения, как хотел Аватара, то увеличивается дисперсия у "больших" отклонений, и возрастает куртосис. Приращения перестают быть нормально распределёнными даже если были такими изначально. А вот у самого СБ никаких хвостов не будет, СБ имеет нормальное распределение и при этом нестационарно, независимо от природы приращений.
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
СБ нестационарно, является I(1) - первая разность стационарна (приращения) о чем я писал. Так же стационарно и является нормальным распределение для фиксированного момента времени. В момент t0, распределение стационарно и одно, в момент t1 другое. Но сам СБ как процесс от времени x=F(t) не является стационарным и не распределен нормально. Потому что его дисперсия бесконечна при t->бесконечности. Нормально распределена первая разница (приращения). Ссылку на источник давал в предыдущем посте.
Откуда ты это взял? Приведи пример нестационарного процесса, распределение которого будет нормальным.
Я уже три раз приводил этот пример - случайное блуждание это нестационарный процесс с нормальным распределением.
Распределение это фигура человека, а нестационарность это рост: толстый (распределение такое) человек может быть высоким, а может и низким, да ещё и растёт до 25 лет вверх, а потом вниз, да и ширина у него меняется, с возрастом всё толще и толще - т.е. нестационарный. Но рост не связан с фигурой.
Стационарность это не свойство распределения, а свойство процесса.
Я уже три раз приводил этот пример - случайное блуждание это нестационарный процесс с нормальным распределением.
Распределение это фигура человека, а нестационарность это рост: толстый (распределение такое) человек может быть высоким, а может и низким, да ещё и растёт до 25 лет вверх, а потом вниз, да и ширина у него меняется, с возрастом всё толще и толще - т.е. нестационарный. Но рост не связан с фигурой.
Стационарность это не свойство распределения, а свойство процесса.
Приращения и распределение СБ в определенный фиксированный момент от т-ки отсчета являются стационарными и распределены нормально. Для них можно посчитать мо и дисперсию в отличии от СБ, как ф-ции от времени
Несовсем понял что ты смоделировал и как получил тяжелые хвосты. Как я понял что просил аватара - никаких хвостов быть не должно. Возможно неправильно понял :( Приведи, пожалуйста хотя бы гистограмму полученного распределения и как моделировал
Было:
(т.е |y(i)-y(i-1)|>= сила героя на i-том шаге, то его сгенерированную силу ( в том числе с минусом - сомнения) на i+1 шаге следует удвоить.
Выделенной красным должно быть i-1, в противном случае всегда будет равенство. Т.е. если приращение сгенерировалось достаточно большое, то его надо ещё умножить на два. Это увеличивает дисперсию именно в области больших приращений, что утолщает хвосты.
e(i) = s(i)-b(i);
if abs(e(i)) > abs(e(i-1))
e(i) = e(i) * 2
end
движение цены совершенно не предсказуемо. мы имеем дело не с математикой, а с психологией, и тут никакие формулы не помогут
вы ошибаетесь - СБ как ф-ция от времени не является НР, нестационарным - да.
Ты споришь с таблицей умножения, а не со мной. И это прискорбно.
Вот тебе 1000 случайных блужданий с uniform распределением приращений. Можешь продолжать биться головой в монитор, что это не нормальное распределение. А я уже устал.
движение цены совершенно не предсказуемо. мы имеем дело не с математикой, а с психологией, и тут никакие формулы не помогут
Ты противоречишь сам себе. Если "совершенно не предсказуемы", то не помогут не только формулы, но и вообще ничто не поможет. А если всё-таки надежда есть, как-то предложенная тобой психология, то она вполне может быть описана с помощью формул.
Ты споришь с таблицей умножения, а не со мной. И это прискорбно.
Вот тебе 1000 случайных блужданий с uniform распределением приращений. Можешь продолжать биться головой в монитор, что это не нормальное распределение. А я уже устал.
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
timbo уже 3 раз пишу одно и тоже. Да СБ сгененрированное на каком-то отрезке времени например 0-1000 (как на твоей картинке) F(t1000)- распределение и нормально и стационарно. мо=0, дисп=1000*Дисп_приращения. И в любой другой фиксированный промежуток времени распределение будет стационарным и нормальным, а дисперсия будет пропорциональна его длине. Но сам процесс СБ, как функция от времени F(t) не является не нормальным не стационарным. его мо так же будет=0 но дисперсия бесконечна. Для стационарного и НР, какое t не взять - дисперсия будет одинаковой и фиксированным числом- она не меняется во времени, что и есть условие стационарности.
Да на любом отрезке времени у СБ будет нормальное распределение;хоть на 1015,хоть на 2256 отсчёте,хоть с 1305 по 5321.Вообще любые отрезки переменной длины будут давать нормальное распределение.Какое же тогда распределение у СБ по твоему,неужели нестационарное?Отойди ты от этих приращений,взгляни на процесс по другим углом.Если ты видишь чётко ограниченный колокол,то это не значит,что процесс его образующий стационарный.