为什么正态分布不是正态？ - 页 33

新评论
 
MetaDriver >> :

因此，我们有一个可观察的混合体。

如果我们忽略产生这种分布的过程的非平稳性，那么这种混合是相当和谐的。最重要的是，它是稳定的（它的积分与彼得斯在《金融市场的分形分析》中写到的分形布朗运动非常相似）。分布的稳定性是什么，我希望你记得？

 
Mathemat >> :

如果我们忽略产生这种分布的过程的非平稳性，那么这种混合是相当和谐的。最重要的是，它是稳定的（它的积分与彼得斯在《金融市场的分形分析》中写到的分形布朗运动非常相似）。什么是分配的稳定性，我希望你记得。

我对可持续发展的正式定义一无所知，因此，请吐槽一下吧!;)

关于直观的--这个分形的和谐性和稳定性，我热烈地赞同，并希望能很好地理解。

 
粗略地说，稳健性是指两个独立的同等分布的量（可能有不同的参数）的总和的分布与F相同。稳定的是正态（期望值和方差相加），Cauchy，均匀 和一堆其他。
 
Mathemat писал(а)>>
粗略地说，稳健性是指两个独立的同等分布的规律F值（可能有不同的参数）之和的分布也有F的分布。稳定的是正态（期望值和方差相加），Cauchy，均匀和一堆其他。

这里暗示的总和是什么？代数式？也就是说，我们有两个生成器，在同一个分布上工作（可能有不同的参数）。在每一步，每个人都会产生一个值：X和Y。那么和就是一个随机变量z=x+y。那么？

 

对，我们不是在讨论过程，而是在讨论分布。

 
Mathemat >> :
粗略地说，稳健性是指两个独立的同等分布的量（可能有不同的参数）的总和的分布与F相同。稳定的是正态（期望值和方差相加），Cauchy，均匀和一堆其他。

我并不感到突然的惊讶。 一直以为只有正常才能有这种属性，这就是它的本质。而其他所有的（除了无穷大处的均匀性）在加起来时都趋于正常。 没有错误吗？你是不是太苛刻了？

 

我不认为这太多了。

如果Z=X+Y，那么pdf Z就是pdf X和pdf Y的卷积。你想用Cauchy来练习，请记住你的青春。

下面再看一下其他属性。它明确地说，它是稳定的。但链接中对稳定的定义是非常不同的，是臆造的......但即使在那里，我们也可以清楚地看到，反正有许多不同的稳定分布。

 
Mathemat >> :

下面再看一下其他属性。它明确地说，它是稳定的。然而，链接中对稳定的定义是非常不同的，是臆造的......但即使在那里，你也可以清楚地看到，反正有许多不同的稳定分布。

稳定的分布不多，有一个。正态分布、Cauchy分布和Levy分布是稳定分布的三个著名特例，没有其他分布--https://en.wikipedia.org/wiki/Stable_distribution

在英语中，它们被称为稳定分布。谷歌提出了很多链接。最有趣的是这个http://fs2.american.edu/jpnolan/www/stable/stable.html

 

我很震惊。根据这一逻辑，来自考奇分布的第一差也会产生考奇分布。第二种（与第一种差异的差异）也是小题大做。第三种也是舒适的。以此类推。

这对我来说是没有意义的。我一直认为，任何有这种连续拿 "奖 "的输入分布，都不可避免地会迅速降低到正常水平。 我是否应该去喝酒......？:)Nah.我最好明天检查一下。我写个脚本，然后检查一下。

 
MetaDriver >> :

我很震惊。根据这一逻辑，来自考奇分布的第一差也会产生考奇分布。第二个（与第一个差值的差值）也是Cauchy。第三种也是舒适的。以此类推。

这对我来说是没有意义的。我一直认为，任何输入分布都不可避免地会因为如此持续地抽取 "奖品 "而迅速减少为正态分布。

是的，你有它，肥尾分布的惊喜。

而且，最重要的是，即使是来自Cauchy的样本平均值也是按照完全相同的Cauchy分布的。

顺便说一下，标准正态根本不是那么讨厌的，而是白色和蓬松的：样本平均值的s.c.a.随着样本量的增加而减少。

1...262728293031323334353637383940...47
新评论