Geri dönüş olasılığını hesaplayın - sayfa 5
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
Bas'ı tavsiyesiyle destekliyorum - seçeneklere girmeniz gerekiyor. Black-Scholes modeli açıkça verileriniz üzerinde çalışmalıdır.
Sorunun ne hakkında olduğunu ve tavsiyemin ne hakkında olduğunu bile anlamadın) cehaletini neden bu kadar açık bir şekilde gösteriyorsun?)
Her çan işlevi normal dağılım yoğunluğu mudur? Örneğin, rakamınızda beta dağılımının yoğunluğunu görmenizi engelleyen nedir?
Bu arada, Alexei ve Vladimir, söyle bana. Bazı verilere normal dağılımla yaklaşmak istediğimizi varsayalım.
Dağılımın kuyrukları ve ortası yaklaşık olarak aynı ağırlığa sahip olmalı, sanırım?
O zaman logaritmik koordinatlarda yaklaşmak daha mı iyi?
Doğrusal koordinatlarda, kuyruklardaki mutlak hata, ortadakinden daha küçük büyüklük mertebelerinde olacaktır, bu da, yaklaşıma zayıf bir şekilde dahil olacağı anlamına gelir.
Peki, ya da ikinci seçenek - hata olarak farkın karesini değil, bölümü almak mı? Ama böyle formüller türetemiyorum.
Sorunun ne hakkında olduğunu ve tavsiyemin ne hakkında olduğunu bile anlamadın) cehaletini neden bu kadar açık bir şekilde gösteriyorsun?)
Bu arada, Alexey ve Vladimir, söyle bana. Bazı verilere normal dağılımla yaklaşmak istediğimizi varsayalım.
Dağılımın kuyrukları ve ortası yaklaşık olarak aynı ağırlığa sahip olmalı, sanırım?
O zaman logaritmik koordinatlarda yaklaşmak daha mı iyi?
Doğrusal koordinatlarda, kuyruklardaki mutlak hata, ortadakinden daha küçük büyüklük mertebelerinde olacaktır, bu da, yaklaşıma zayıf bir şekilde dahil olacağı anlamına gelir.
Peki, ya da ikinci seçenek - hata olarak farkın karesini değil, bölümü almak mı? Ama böyle formüller türetemiyorum.
Başlangıç olarak, numunenin en azından "gözle" normal olduğundan emin olmaya değer.
O zaman Kobzar'ın "uygulamalı istatistiklerini" bulmanız ve oradaki ikinci bölüme bakmanız gerekir)
...
O zaman logaritmik koordinatlarda yaklaşmak daha mı iyi?
...Genel olarak, sorunuz (sorular?) çok genel, soyut bir şekilde ortaya konmuştur. Kesin olarak söyleyebileceğim tek şey, logaritmik koordinatlardaki sapmaların minimizasyonu ile yaklaşıklık yapılırsa, bu minimum bağıl hata olacaktır. Bu, herhangi bir şeyle yaklaşıklık için geçerlidir: polinomlar, trigonometrik fonksiyonlar, spline'lar, rasyonel kesirler, patlamalar (dalgacıklar) ... Tipik olasılık dağılımları ile yaklaşımları duymadım.
Başlangıç olarak, numunenin en azından "gözle" normal olduğundan emin olmaya değer.
"gözle", numune ve normal dağılım için bir nicelik-kantil (veya olasılık-olasılık ) grafiği çizmeniz ve bunun düz bir çizgiyle iyi uyduğundan emin olmanız gerektiği anlamına gelir.
Bu arada, Alexei ve Vladimir, söyle bana. Normal dağılıma sahip bazı verilere yaklaşmak istediğimizi varsayalım.
..
Örneğin, burada herkesin şu anda ilgilendiği veriler https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6 . Sadece biraz".
Neden normal veya başka bir dağılımla yaklaşmaları gerekebilir? Yayılım zincirleme reaksiyonunun kinetiğinin denklemine göre, katılımcı ilk başta hala ilginçti.
Neden normal veya başka bir dağılımla yaklaşmaları gerekebilir? Yayılım zincirleme reaksiyonunun kinetiğinin denklemine göre, katılımcı ilk başta hala ilginçti.
Bu bir zaman serisi değil, normale yakın bir histogramdır.
https://www.mql5.com/ru/articles/396
piton - https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.gaussian_kde.html
https://www.mql5.com/ru/articles/396
Yani bu yumuşatma.