为什么正态分布不是正态？

[Mykola Demko]

我听说过很多次关于分布的粗尾巴，但我还是不明白这一点，我做了一个指标，它将条形大小分布（基于Close[i]-Close[i+1]的差值）输出到分离器中，谁能解释一下为什么条形分布比正常的窄？

基准是一个红线黄色直方图。

以及用于建造的指标。原标题(分布_GCF_&_norm_test)

[Yurixx]

你说的已经是什么意思？你是如何选择正态分布的参数的？

[ilyaa]

这有点不大正常。:)以前在直觉中也讨论过这个问题。他们说这是Erlang分布。他们还说没有尾巴，但应该有。:)

[Hide]

Urain >> :

我多次听说过分布的粗尾，但我还是不明白这一点。 我做了一个指标，输出条形大小分布（绘制在Close[i]-Close[i+1]的差值上）来分离，谁能解释一下为什么分布比正常值窄？

实际上，它应该更高、更窄。这是因为影响它的是价格偿付的属性。

[михаил потапыч]

Yurixx >> :
你说的已经是什么意思？

>>已经

[Avals]

获得HP的主要和唯一条件是系列条款的独立性。这就证明了独立性不成立。

[Yurixx]

IlyaA писал(а)>>
这有点不大正常。:)这在直觉上已经讨论过了。他们说这是一个Erlang分布。他们还说没有尾巴，但应该有。:)

我说的是Erlang，但这不是这里的问题。正态分布有2个参数--MO和方差。在这种情况下，MO=0，但方差不是零，为了画图，我们需要设置其数值。所以我想问，Urain 是如何选择方差值的？

而一般来说，为了比较图形，必须以某种方式将它们还原为一个共同的基础。根据这个基地的选择，可以有完全不同的模式。

如果我们把方差作为这个共同的基础，图表会更窄，但会出现粗尾巴。

[Сергей]

Yurixx писал(а)>>

我说的是Erlang，但这不是这里的问题。正态分布有2个参数--MO和方差。在这种情况下，MO=0，但方差不是零，为了画图，我们需要设置其数值。所以我想问，Urain 是如何选择方差值的？

而一般来说，为了比较图形，必须以某种方式将它们还原为一个共同的基础。根据这个基地的选择，可以有完全不同的模式。

如果我们把方差作为这个共同的基础，图表会更窄，但会出现粗尾巴。

我强烈怀疑Urain 把所产生的系列的类似特征作为期望值和方差的输入参数。但也许情况并非如此。

[ilyaa]

Avals >> :

获得HP的主要和唯一条件是系列条款的独立性。这就是独立性不成立的证明。

所以烛台分析可以在60-40甚至70-30的情况下发挥作用。这很好。

[[删除]]

一条机械灯泡生产线很可能有一个正常分布的REAL随机故障，即设备错误。因此，正常生产的灯泡数量（其亮度、电阻、灯丝厚度）很可能符合正态分布曲线。在这条正常曲线的两侧（其细长的尾巴），会出现灯丝厚度高于或低于标准的BORDER情况，灯泡会被烧坏。但这种边缘的、不正常的案例总数是可以事先计算出来的（通过整合分布曲线或其他方式）。这就是为什么灯泡厂事先知道一箱灯泡可能平均包含三个坏灯泡，这些灯泡将在不久的将来烧坏。它们必须在保修期内被更换，因此当地的灯泡经销商本着对统计学的信心，报告说每箱平均有3个额外的灯泡。灯泡参数的误差属于NORMAL LOCAL EVENT CRIVE（不是参数本身，而是其误差）。这里的随机事件不是灯泡本身的释放，而是灯泡参数的ERROR。

如果灯泡的生产过程（或者更确切地说，灯泡参数的形成）不符合正常的曲线，例如，生产线断了，是有缺陷的，供应商送来了坏的钨，那么缺陷率将急剧增加，灯泡参数将 "游离"。如果人们再准确地测量一批灯泡的参数，它们将不符合规范的曲线。在这种情况下，工厂不知道它要向分销商交付多少球茎。

如果我们测量一个非随机的过程，那么...你根本就不能说什么。你可以绘制一个事件的概率分布 曲线--仅仅通过测量一个区间内事件的发生率，但...它并没有告诉我们什么。

电气工程师和他们雇用的数学家和统计学家都喜欢处理测量误差问题。这很可能是正常的（如果设备本身是由一个正常的工程师制造的）。因此，他们的所有公式。

对于价格系列，第一差额（或其他组合）不是一个随机事件，其分布曲线可能是任何东西。而且，即使它被精确地知道，对交易也没有用处。

不要挑剔我，我的理论和matstat都是2分。

[Avals]

IlyaA писал(а)>>

所以，烛台分析可以在60-40甚至70-30的概率下工作。这很好。

依赖性可以是非常不同的。它不一定取决于以前的增量值，这就是烛台分析的作用。例如，它可以是对增量值的模数的依赖（波动性）。波动性是自相关的这一事实是众所周知的，GARCH（使用自相关）等波动性模型已经获得了诺贝尔奖。自己看并不难。这就是为什么分布有 "重尾 "的变体之一。

P.S. 从广义上讲，独立性在静止性的定义中得到了描述。