stokastik rezonans - sayfa 30
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
... Yol boyunca aklımda ilginç bir soru belirdi. Belki birileri neden istatistiklerde iyi özelliklere sahip bu kadar basit ve kullanışlı bir dağıtım fonksiyonunun kullanılmadığını aydınlatır? Ve kullanılıyorsa, neden yazılmıyor? Lognormal dışında artımlı bir dağılıma yaklaşmaya çalışan birini hiç görmedim.
Yura, bu sorunun cevabını bilmiyorum.
Yalnızca önerdiğiniz dağılımın p(X)=A*(X^a)*exp(–B*(X^b)) daha genel bir durumun özel bir durumu olduğunu varsayabilirim (örneğin, Genelleştirilmiş Üstel Dağılım p(X)=a /(2Г[1/a]*l*s)exp{-[(xm)/l*sl*s]^a} , Bulashev, s. 41) özüne nüfuz edebilen, sessiz kalmayı ve sonsuz Forpoles üzerinde lahanayı yavaş yavaş kesmeyi iyi gördüler :)
Ben de öyle düşündüm ve eğer üstel terim genelleştirilmiş dağılıma katılsaydı böyle olurdu. Ve böyle bir şey olmadığından, genelleştirilmiş dağılım sıfırda sıfırdan farklı bir değere sahiptir ve x<0 bölgesine uzanır. Üstel terim, sol eğimi çok dik yapar (a < 1 için genelleştirilmiş olanda, her iki eğim de yumuşaktır) ve sağ eğim, genelleştirilmiş olandan bile daha yumuşaktır. Bu kelimeden korkmuyorum - şişman kuyruk. :-) Ve en önemlisi, açıkça entegre edilmemiştir.
Ama bir karşı sorum var!
Çok uzun zaman önce, keyfi bir düzenin otoregresif modelleriyle uğraştım (bu, mevcut çubuğun genliğinin ve üzerindeki işaretinin, üzerindeki keyfi sayıdaki önceki çubukların eylemlerinin toplamına bağımlılığı arandığında). Bu sorunu çözdüm ve o kadar iyi ki, model yelpazesinin görünümüyle, bunun gerçek bir seri olup olmadığını söylemek imkansızdı, bir tanesi için değilse, A - model yelpazesinin dağıtım fonksiyonu (DF) olduğu ortaya çıktı. gerçeklikten uzak. Farklılığın nedenini bulamadım. Sezgisel olarak, otokorelasyon fonksiyonlarının çakışmasının, ilk farklılıklarının DF'sinin çakışması için yeterli olduğunu hissettim. Öyle olmadığı ortaya çıktı... Bir dizi kalıntının davranışını modellemede hesaba katmadığım bir şey var.
Bu konu hakkında ne düşünüyorsunuz?
Bu problemi çözdüğün yöntemleri, artıkları modelleme yöntemini bilmediğim için ve matematiksel istatistiklerde iki ayağımda ve sol elimde topal olduğum için, ne yazık ki bir şey söyleyemem. En azından bunu düşünmeye başlamak için, kişisel olarak bu küçük paragraf benim için yeterli değil, Stirlitz olarak, düşünmek için daha fazla bilgiye ihtiyacım var.
Bu Ymin ve Ymax'ı kendi başına hesaplamakla ilgili değil. Ve türev serisinin orijinal veri serisinden elde edilen veriler açısından . Ek olarak, normalleştirme yeniden hesaplama yönteminiz, üzerinde yaptığınız tarihsel kümeye bağlı olarak keyfidir. t/f'yi değiştirirken 2000 bardan 500000 bara kadar değişebilir. İlk durumda menzil sınırına ulaşmak hiçbir şey söylemez, ikinci durumda ise çok şey söyler. Yöntemim, yalnızca model dağıtım işlevi göz önünde bulundurularak keyfilikle suçlanabilir. Bununla birlikte, "maksimum kullanılabilir" veri miktarından deneysel olarak oluşturulan gerçek dağılım, model bir tarafından iyi bir şekilde tahmin ediliyorsa, o zaman keyfilik nedir?
Keyfilik hakkında hiçbir şikayetim yoktu, fenomenoloji için tek sınırlayıcı yaklaşıklığın doğruluğudur ve keyfiliğe keyfilik değil, özgürlük dereceleri demeyi tercih ederim :)
Buraya müdahale edeceğim, Nötron . İstatistik konusunda profesyonel değilim ve bu yüzden mekhmat'ta ( lib.mexmat.ru ) bir soru sormak zorunda kaldım. Burada: http://lib.mexmat.ru/forum/viewtopic.php?t=9102
Soru: Durağan süreç hakkında hangi bilgiler onu doğru bir şekilde yeniden üretmek için yeterlidir? Cevap şuydu: kovaryans fonksiyonunu ve m.d.'yi bilmeniz gerekiyor. işlem. Belirli bir kovaryans işleviyle bir işlemin nasıl oluşturulacağını henüz bilmiyorum. Ancak teoride, ortaya çıkan süreç, orijinal modellenenin doğru uygulanması olarak kabul edilebilir. Belki süreciniz durağan değildi?
Not: Kalıntı (iade) sürecini gerçekçi bir şekilde simüle etmek istiyorum. Peters'e göre, kabul edilebilir doğrulukta artıkların dağılımı fraktaldır ve süreç durağandır. Diğer modeller hariç tutulmasa da ...
Hey Matematik!
Ben istatistikte amatörüm (tersi ifade Yura'nın vicdanında kalsın) ve çoğu sorunun cevabını bilmiyorum :(
Bir seri, DF, ortalama ve varyansı zamana bağlı değilse, kesinlikle durağan (veya dar anlamda durağan) olarak adlandırılır.
Bir seri, ortalaması ve varyansı zamana bağlı değilse, zayıf durağan (veya geniş anlamda durağan) olarak adlandırılır.
Aslında, birinci farklar serimiz kelimenin geniş anlamıyla bile durağan değil - genlik gözle görülür şekilde yürüyor, sizce bu gözlemlenen etkinin nedeni olabilir mi?
PS Peters'in bu sürecin durağan olduğunu söylediğinde ne demek istediğini merak ediyorum?
Teorik konularda tartışmayı sevmiyorum, çok nadiren karar verebilirim :). Ve bu durumda, evrensel bir değerlendirme yapma girişimi olmadı. Ben sadece "kendim için" gerçek hesaplama hacmini anlamaya ve karşılaştırmaya çalıştım. Bana öyle geliyor ki, yaklaşımınız için, benim yaklaşımımda gerekli olmayan orijinal serinin özelliklerinin hesaplanmasını buraya dahil etmek gerekiyor. İkinci nokta - basit bir ortalamadan daha karmaşık olan Y için hesaplamalarınızın neyle sonuçlanacağı net değil. Orijinal seriyi işleme ihtiyacı, yönteminizi zaman çerçevesine benimki kadar duyarlı kılmaz mı? Konunun orijinal serinin özelliklerinde olduğunu anlıyorum. Ancak benzer bir kozum var - bulunan değişmez, test edilen tüm semboller (majörler) ve tüm zaman dilimleri için aynı.
Keyfilik hakkında hiçbir şikayetim yoktu, fenomenoloji için tek sınırlayıcı yaklaşıklığın doğruluğudur ve keyfiliğe keyfilik değil, özgürlük dereceleri demeyi tercih ederim :)
O yüzden tartışmıyorum. Evet, bahaneler uyduruyorum. :-)
Önemsiz ortalama alma yöntemleri için hesaplamalar karanlık bir ormandır. Oraya gitmem, korkarım. Sorunumu çözdüm ve sorun yok.
PS Peters'in bu sürecin durağan olduğunu söylediğinde ne demek istediğini merak ediyorum?
Bu sürecin yakınsama sınırı yok olabilir mi? :-)))
Bu arada Neutron, bana bir ayrıntıyı açıklar mısın? MO<RMS olduğunda ne kötü, tersi olduğunda ne iyi? Bu soru burada bir kez ortaya çıktı ve kullandığım FR sadece bu kötü özelliğe sahip.
Mathemat , ya da belki bunu sen de biliyorsun, bu yüzden okuma yazma bilmeyenlere açıkla.
Vinin'in sorusu burada gündeme geldi: 'Beta dağıtımı' . Bu belirli bir görevdir, hepsi dalın yazarının hedeflerine bağlıdır. Genel olarak, Moskova Bölgesi'nde yanlış bir şey yok. Geri dönüşlerde durum aynı: MO günlük çizelgelerinde, 2001'den bu yana EUR ve RMS'deki trendde bile birkaç puan var - en az düzinelerce puan. Aynı eğilimde, bir saatlik euro getirisi MO'ya yaklaşık 0,2 puan ve RMS - en az birkaç puan verir.
Eğer geri dönerse kötüdür. Ticaretin temel özelliği gelir/risktir. Risk, oynaklık, sistematik gelir MO tarafından belirlenir. Böyle göstergeler bile var - Sharp (dönem / RMS için gelir), Sortino - aynı şey, ancak "aşağı yönlü oynaklık" dikkate alınır. SD, MO'dan büyükse, bu oynaklıktan kaynaklanan kaybın, pozitif bir MO ile ilişkili potansiyel getiriyi aşması muhtemeldir.