Bernoulli Teoremi, Moivre-Laplace; Kolmogorov'un kriteri; Bernoulli şeması; Bayes formülü; Chebyshev eşitsizlikleri; Poisson dağıtım yasası; Fisher, Pearson, Student, Smirnov ve diğer teoremler, modeller, sade bir dilde, formüller olmadan. - sayfa 6
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
İlk önce Alexei'nin sunduğu materyali dinleyelim, çünkü ilk o aldı.
Yusuf ve diğerleri, lütfen bunu konuyla ilgili bilginizi eksiltme olarak algılamayın.
Ve böylece, bir dizi yerine, bir yığın ek terminoloji ve ilerleme başlar.
Tüccarların hastalığıdır. Düğmeye basmak için zamanım olmamasından korkuyorum. ben kendim.
"Bollinger on Bollinger Bantları" kitabının 9. Bölümünden normal dağılım kavramı
Şube, iyi bir bilgi hazinesi olmayı vaat ediyor.
Uzun zaman önce, sayısal bir deney yaptığım pratikte normal bir dağılım elde etmeye karar verdim. 10.000 bağımsız denemeden 500 birikimli seri alınmıştır. 500 rastgele alakasız grafik elde ediyoruz. Onlar için tek bir referans noktası alıyoruz ve zamanla, daha doğrusu test sayısının artmasıyla birbirlerinden nasıl ayrılacaklarını görüyoruz. Böylece, sapmaları normal dağılım yasasına uyacaktır ve bütünlükleri içinde bir normal dağılım zili oluşturacaktır:
İlginç bir şekilde, ortalama yayılma, deneme sayısının kareköküne eşit olacaktır. Dolayısıyla, 1000 atıştan sonra, herhangi bir serinin ortalama olarak ilk sıfır konumundan 32 puan ve 10.000 atıştan sonra sadece 100 puan uzaklıkta olmasını bekleme hakkımız var. Bu, çanın şeklinden görülebilir. İlk olarak, oldukça keskin bir şekilde kenarlara doğru ayrılıyor ve sonra ayrışmanın "hızı" solmaya başlıyor.
İlginç bir gerçek şu ki, deneme sayısı ne olursa olsun tüm 500 serinin toplamı yaklaşık olarak sıfır olacaktır. Bu, resimde açıkça görülmektedir: 10.000 denemeden sonra serinin %50'si sıfırın üzerindeyken %50'si sıfırın üzerindedir. Böylece, tüm sistemlerin ortalama durumu veya beklentisi sıfır olma eğiliminde olacaktır.
Bununla bağlantılı olarak, uzmanlara bir sorum var: Gerçek matematiksel beklentinin teorik sıfır MO'dan sapması nasıl hesaplanır? Sonuçta, tüm testlerin toplamının açıkça 0'a eşit olmasını beklemek için hiçbir şey olmaması doğaldır. +3 veya -20'ye eşit olabilir. Ve ikinci alt soru: Denemelerdeki artışla bu hata değeri sıfıra mı düşecek, yoksa deneme sayısının kareköküyle orantılı bir düzeyde "donacak" mı?
Gerçek matematiksel beklentinin teorik, sıfır MO'dan sapması nasıl hesaplanır? Sonuçta, tüm testlerin toplamının açıkça 0'a eşit olmasını beklemek için hiçbir şey olmaması doğaldır. +3 veya -20'ye eşit olabilir. Ve ikinci alt soru: Denemelerdeki artışla bu hata değeri sıfıra mı düşecek, yoksa deneme sayısının kareköküyle orantılı bir düzeyde "donacak" mı?
sb, bağımsız rastgele değişkenlerin toplamıdır. Artışların mo=0, sko=X ile normal olarak dağılmasına izin verin. O zaman N'lik artışların toplamı da mo=0, hız=SQRT(N)*X ile HP'dir, bu şekilde gösterdiğiniz şeydir (N burada 10000'e eşittir).
M'nin toplamını böyle bağımsız sat alırsak, o zaman da mo=0, speed=SQRT(M*N)*X ile normal olarak dağılır.
Bu nedenle, deneme sayısındaki artışla, toplam donmayacak veya sıfıra gitmeyecek, aksine deneme sayısının köküyle orantılı olarak artacaktır. Ancak aritmetik ortalama (ayrıca deneme sayısına bölünür) zaten düşünülen Bernoulli teoremi nedeniyle deneme sayısındaki artışla sıfıra yakınsar.
Если взять сумму M таких независимых сб, то она так же буден распределена нормально с мо=0, ско=SQRT(M*N)*X
Bu yüzden, sorunu çözmeye çalışacağım: her birinde 10.000 denemeden oluşan 10 birikimli seri verildi. Serinin nihai sonucu aşağıdaki gibidir:
M bağımsız sat toplamı +40'tır. Sonucu şu formülde yerine koyun: SQRT(40*10.000) * 100 = 63.245. Bir şey yeterli sonuç olmuyor. Görünüşe göre "toplam M" nin ne anlama geldiğini yanlış anladım.
Yoksa tüm deneylerin birbiri ardına zincirlenmesi ve nihai sonucun M.O.'dan sapmasının analiz edilmesi gerektiği anlamına mı geliyor?
Normal bir dağılımı göstermek için pek iyi bir fikir değil. Diyelim ki 10000'de süreci durdurmanın kesitte tam olarak normal dağılımı vereceğinden emin değilim. Ayrıca bu dağılım parametreleri sürekli değişmektedir.
Yanılıyorsam - "kesit" (yani sıfırdan sapmalar) dağılımının en azından asimptotik olarak normal olduğunun belirtildiği bir bağlantı verin.
Formüller olmadan karaciğerde hissetmezsiniz. Sen kendin biliyorsun. Ama burada formüller - hiçbir şekilde.
Difura'yı çözerken görünüşünde doğaüstü bir şey görmüyorum. Ve gama dağılımı hakkında konuşmaya başladınız çünkü bu fonksiyonun Excel'de nasıl çağrıldığını gördünüz. Peki, difurlarındaki terver ile bağlantı nedir, Yusuf ?!
SProgrammer , terver/matstat'ta gerçekten kullanılan çok az dağıtım olduğunu doğru bir şekilde söylüyor - yine de istediğiniz kadarını oluşturabilirsiniz. Yani senin için, hala seni yakalıyorsa (18), Erlang'ı ve onu nereden aldığını düşünmeye çalışmanı tavsiye ederim. Düşüncelerinizi yukarıdaki alıntı gibi anlamlı sonuçlar şeklinde değil, daha eksiksiz bir biçimde ortaya koymaya çalışın.
Feller, cilt 2'ye baktım. Gama dağılımı hakkında bir şeyler var, ama korkunç formüller var ve Erlang hakkında sadece birkaç kelime var. Yani - burada değil.
Ancak üstel dağılımla ilgili ilginç bir şey var (Feller, cilt 2, s. 69):
Bu özellikle ilginçtir çünkü fiyat getirilerinin dağılımı Laplace dağılımına oldukça yakındır.Bu yüzden, sorunu çözmeye çalışacağım: her birinde 10.000 denemeden oluşan 10 birikimli seri verildi. Serinin nihai sonucu aşağıdaki gibidir:
M bağımsız sat toplamı +40'tır. Sonucu formülde yerine koyun: SQRT(40*10000) * 100 = 63245. Yeterli olmayan bir şey elde edildi. Görünüşe göre "toplam M" nin ne anlama geldiğini yanlış anladım.
Yoksa tüm deneylerin birbiri ardına zincirlenmesi ve nihai sonucun M.O.'dan sapmasının analiz edilmesi gerektiği anlamına mı geliyor?
Basil, en baştan başlayalım. Rastgele yürüyüşü, madeni para tipi artışların kümülatif bir toplamı olarak modellediniz mi? Eşit olasılıklar 0,5/0.5 olan iki sonuç +1 ve -1. Bu rastgele değişkenin kendisi normal olarak dağılmamıştır - 2 değerli ayrık bir dağılımdır. MO=0 ve RMS=SQRT(0.5*0.5)=0.5
Ayrıca, rastgele yürüyüşü bu artışların toplamı olarak kabul ediyoruz. Sahip olduğunuz gibi 10.000 artış alalım. Neye eşit olacak? Bunun rastgele bir değişken olduğu açıktır (zaten ikinci). Artışlar bağımsız ise, bu dağılım MO=0, RMS=SQRT(10000)*0.5=50 olan deneme sayısındaki artışla normal dağılıma yakınsar. Bundan ve 3 sigma kuralından, örneğin, bu CV'nin uygulamalarının %99'undan fazlasının -150 ... + 150 aralığına düşeceğini öğrenebilirsiniz. Onlar. bu aralığın dışında 10000*0.01=100 CB uygulamasından daha az.
Ardından, zaten bu CB'lerin toplamını düşünüyorsunuz. Sütunda bu SV'nin yalnızca 10 uygulamasının toplamı var. Bu, MO=0, RMS=50*SQRT(10)=158 ile normal olarak dağıtılan yeni (zaten üçüncü) bir CV olacaktır. Toplamda +40 almış olmanız, bu üçüncü CB'nin yalnızca bir realizasyonudur. Ama geniş bir aralıkta değişir. Yine, verilerin %99'u -474...+474 aralığında olacaktır.