Всем привет. В этом топике я хотел бы провести обзор относительно нового и довольно мощного метода нелинейной динамики – метода Recurrence plots или рекуррентного анализа в приложении к анализу временных рядов. А, кроме того, поделится кодом короткой программы на языке Matlab, которая реализует все нижеописанное. Итак, начнем. По долгу службы...
Рассмотрены функции для работы с основными статистическими распределениями, реализованными в языке R. Это распределения Коши, Вейбулла, нормальное, логнормальное, логистическое, экспоненциальное, равномерное, гамма-распределение, центральное и нецентральные распределения Бета, хи-квадрат, F-распределения Фишера, t-распределения Стьюдента, а также дискретные биномиальное и отрицательное биномиальные распределения, геометрическое, гипергеометрическое и распределение Пуассона. Есть функции расчета теоретических моментов распределений, которые позволяют оценить степень соответствия реального распределения модельному.
以及更多阅读http://geo.phys.spbu.ru/Problems_of_geophysics/2005/20_Zolotova_38_2005.pdf
请帮助寻找R-类似物。
关于交易、自动交易系统和策略测试的论坛
库:跨平台的原始数学函数库
Automated-Trading, 2017.03.27 11:39
一个跨平台的原创数学函数库。
作者:fxsaber
请帮助寻找一个R-模拟。
R有什么问题?
在函数描述中,在要指定R-模拟的地方有一个破折号。我怀疑R中没有这样的统计函数。要去除冲刺,你需要一个名字。
cor(x, y, method = 'pearson')
cor(x, y, method = 'pearson')
这完全不同。没有任何模式
boolMathCorrelationPearson(constint&array1[],constint&array2[],double&r)
boolMathCorrelationSpearman(constdouble&array1[],constdouble&array2[],double&r)
boolMathCorrelationSpearman(constint&array1[],constint&array2[],double&r)
boolMathCorrelationKendall(constdouble&array1[],constdouble&array2[],double&tau)
boolMathCorrelationKendall(constint&array1[],constint&array2[],double&tau)
请帮助寻找R-analog。
"模拟"- 事实上,从平庸的皮尔逊相关,即两个向量的归一化标量乘积作为接近度量,到机器学习武器库的其他部分,有代表性的特征搜索和非线性分类,是多方面的。
IMHO对于R(r-astes)、matlab、"maths "等的粉丝来说,不太好的是,它习惯于并依赖于具有简单界面的高级复杂函数,并对它们的 作用产生了错误的理解,或者说,如果你能接触到所有的参数和内脏,理解什么和怎么做,而不仅仅是界面上的东西和Hubra上的文章,这种垃圾存在。
我把这个过程称为 "去重构"(DE-ORTOGONALIZATION),或者说是 "马赛克意识",当一个人被迫在脑子里装的不是算法的本质,而是一些库中成千上万的函数和参数名称。但考虑到无论是10万还是一码的高级 功能都不能解决实际工程任务的所有问题,因为总有一些东西需要用烙铁来调整,这种开发方式是有风险的。
"模拟"- 事情是多方面的,确实,从琐碎的皮尔逊相关,即两个向量的归一化标量乘积,作为一个接近度量
这一点也不一样。没有任何模式。
...
apply(embed(pattern, length(signal)), 1, cor, y = signal, method = 'pearson')