随机谐振 - 页 19

新评论
 

对Yurixx

那么这种依赖性是最容易通过实验获得的。 价格系列根本没有正态分布，在此基础上建立 "模型 "将导致重大误差。

 
Avals:
lna01:

P.S. 我的错，注意力不集中，那里有一个错误，RMS不能向往无限。只取M增量的总和

随着N比M更快地趋向于无穷大，我们得到RMS趋向于无穷大，也就是说，实现可以随心所欲地进行，这一点被正弦律所证实。
一个正态分布的数值可以达到无穷大，但概率很小。也就是说，它不需要一个无限大的RMS。根据问题的条件，M是有限的。如果我们用M写出增量的无限求和公式，我们就会发现，在第一个M步之后，求和的项数稳定下来，然后保持等于2M，也就是说，在M+1步，X的第一个值将离开求和，在M+2步，第二个值将离开求和，以此类推。
 

尤里，对这个非常依赖的人的第一印象。第一个到手的东西是一个EURUS时钟。所研究的范围是（10000-撒谎）5000个计数，窗口的大小从50到3000，间隔为50。以下是结果（如预期）。


  • X轴--窗口大小
  • Y轴--传播（最大（y）-最小（y））。

PS：最简单的是对它进行近似，得到一个非常精确的分析函数。

 
lna01:
阿瓦尔斯。
lna01:

P.S. 我的错，注意力不集中，那里有一个错误，RMS不能向往无限。只取M增量的总和

随着N比M更快地趋向于无穷大，我们得到RMS趋向于无穷大，也就是说，实现可以随心所欲地进行，这一点被正弦律所证实。
一个正态分布的数值可以达到无穷大，但概率很小。也就是说，它不需要一个无限大的RMS。根据问题的条件，M是有限的。如果我们用M写出增量的无限求和公式，我们就会看到，在第一个M步之后，求和的项数稳定下来，然后保持等于2M，即在M+1步时，X的第一个值将离开求和，在M+2时，第二个值离开，依此类推。

同意的 :)
 

这就是上瘾的本身，有点粗糙。

 
谢谢你，谢尔盖。对于M 50 - 3000这个区间来说，10000这个数字太小了。 这就是为什么会出现像你的曲线上部那样的不平滑现象。另外，我感兴趣的小数值的区域有太大的分歧，这也是我感兴趣的地方。我将尝试这种计算方式的想法。我唯一担心的是，每当我切换到一个新的乐器，或T/F，或其他什么时候，我都必须重新计算。
 
Yurixx:
谢谢，谢尔盖。对于50-3000的M区间来说，10000是一个太小的数字。这就是为什么会出现像你的曲线顶部那样的不平滑。另外，我所感兴趣的小数值区域有太多的分歧。我将尝试这种计算方式的想法。我唯一担心的是，每当我切换到一个新的乐器，或T/F，或其他什么时候，我都必须重新计算。

不客气，这不是一个完成的结果。:о)在我看来，这是获得结果的唯一正常但完全有效的方法。理论结论可以给出一个比较粗略的估计，但在这里我们有统计数据。你可以取整个样本，用窗口大小的最佳步骤运行算法。

而出于某种原因，在我看来，权力中的系数在其余情况下会大致相同，但第一个系数肯定会发生变化，象征着初始样本的扩散。顺便说一下，你可以检查 - 类似的条件，但一般在另一个地方采取另一个系列。

依赖性


分析函数


系数差别不大。

选项1：-0.0005

变体2：-0.0004

因此，通过采取更多的原始数据，你可能会得到或多或少准确的依赖性，而不需要绑定到第一个系数 :o)我肯定!

 

我不是在争论，但...

这基本上就是我开始的地方。但后来我发现，不同的TFs的情况会有变化。这是可以理解的--较少的酒吧（或更多）--我们得到了不同的N。如上图所示，这种对M的依赖性，我从一开始就得到了，但当我转移到另一个TP时，由于改变了总条数，这个曲线就垂直移动了。事实证明，我们不应该寻找对M的依赖性，而是对N与M的比率的依赖性。

 
Yurixx:

我不是在争论，但...

这基本上就是我开始的地方。但后来我发现，不同的TFs的情况会有变化。这是可以理解的--较少的酒吧（或更多）--我们得到了不同的N。如上图所示，这种对M的依赖性，我从一开始就得到了，但当我转移到另一个TP时，由于改变了总条数，这个曲线就垂直移动了。事实证明，你必须寻找的不是对M的依赖，而是对N与M的比率的依赖。

是的，不同的时间框架应该修正结果，而且可能比试图找到一个通用的公式更容易得到每个人的依赖性（一切取决于价格-质量标准）。也许选择(H+L)/2会使差异变得平滑？

 
我的理解是否正确，价差是在整个N个窗口中进行的？如果是这样，那么，我认为，很难指望有什么不变的东西。相反，它可以被看作是缪翼的 差异，例如，具有较高的缪翼（具有最大的M）。
1...121314151617181920212223242526...38
新评论