样本相关性为零并不一定意味着没有线性关系 - 页 2

新评论
 
也有非线性的依赖关系。Spearman或Pearson相关系数（或协方差）并不能揭示它们。
 
Prival:

事实上，书上说，如果QC=0，并不意味着有关的两个量是不相关的。

书上说，它们不是线性关系。

Rosh给出的链接正是Spearman的等级相关系数。这就是它的计算方法。如果你想看自相关，它的计算方法有点不同，像这样https://www.mql5.com/ru/code/8295

你的自相关的计算根本不正确。
 
一般来说，如果你了解外汇价格形成的原理，分布原则上不可能是正常的。在关联性的帮助下，我们可以尝试找到图形模式，我们可以尝试识别数字和波浪。但概率论是无法应用的。一个用概率论知识武装起来的人和一个没有武装的人一样盲目。
 
非平稳性与此有什么关系？这是关于解释样本上的相关关系。以及对同一样本的线性依赖性的衡量。
 

现在已经很清楚为什么线性关系与相关关系有关了。

想象一下，两个BP为向量。问题是，出于某种原因，决定如果矢量是正交的，就没有线性关系。

向量的正交性是零标量乘积。

对于欧几里得空间，向量的标量乘积被认为是如下的。

- 这几乎是一种现成的关联。

因此，如果向量是线性独立的（基于上述定义），那么它们的相关性就是零。

另一件事是，定义为衡量向量之间的角度的线性依赖性是一个相当糟糕的定义。

 

一点背景资料。

相关性和依赖性经常被混淆，因为在高斯分布的情况下，它们是等价的（证明见任何数学 教科书），而许多人认为世界上的一切都属于正态分布：）。

另一个常见的误解是混淆了 "相关系数"（即c.v.之间的随机依赖性的特征）和 "样本相关系数"（真实SC的估计值--许多可能的之一）的概念。这些实际上是完全不同的事情，用一个来代替另一个是根本错误的。

跟进一下，另外两个经常被混淆的术语--功能依赖和随机依赖（又称统计、回归等）。


读了第一百遍这个主题，我确信，仅仅通过阅读一打教科书是无法理解数学统计学的。

中，你必须通过考试。

最好是用 "优秀":))))

 
alsu:

另一个常见的误解是混淆了 "相关系数"（即c.i.s.之间随机关系的一个特征）和"样本相关系数"（对真实SC的估计--许多可能的估计之一）。这些实际上是完全不同的事情，用一个来代替另一个是根本错误的。

题目中出现了 "抽样 "这个词。线性相关也是在抽样方面讨论的，而不是作为随机变量的一个理论特征。
 
alsu:

只是一个简短的教训。

相关性和依赖性经常被混淆，因为在高斯分布的情况下，它们是等价的（证明见任何数学教科书），许多人认为世界上所有的东西都是正态分布：）。

另一个常见的误解是把 "相关系数"（即c.v.之间的随机依赖性的特征）和 "样本相关系数"（对真实QC的估计--许多可能的估计之一）的概念混为一谈。这些实际上是完全不同的事情，用一个来代替另一个是根本错误的。

在后续工作中，还有两个经常被混淆的术语--依赖是功能性的，依赖是随机性的（又称统计、回归等）。


读了这个主题，我第一百次确信，仅仅通过阅读一打教科书是无法理解数学统计学的。

你必须通过它的考试。

最好是 "A":)))

如果有 "使用 "工作的愿望呢？

别管FFT还是什么。

多重回归和关联性。

;)

声音!

论坛的物理模型与此有什么关系？

好吧，他们会在火锅上做，至少在那里，状态空间的度量不是环形，而是一个球。

;)DDD

 
hrenfx:

现在已经很清楚为什么线性关系与相关关系有关了。

想象一下，两个BP为向量。问题是，出于某种原因，决定如果矢量是正交的，就没有线性关系。

向量的正交性是零标量乘积。

对于欧几里得空间，向量的标量乘积被认为是如下的。

- 这几乎是一种现成的关联。

因此，如果向量是线性独立的（基于上述定义），那么它们的相关性就是零。

另一件事是，定义为衡量向量之间的角度的线性依赖性是一个相当糟糕的定义。

他们在学院里给你的任务还不够多吗？

 
hrenfx:

....

你的自相关根本就没有正确计数。

事实证明，我是个傻瓜，在发布代码之前，我反复检查了10遍。 我翻阅了教科书。 我用已知的矩阵包的矩阵样本进行了检查。特别是matcadec有一个内置函数。 我检查了一下，一切都符合要求。但事实证明错了......。

也许你能给我指点一下正确的方法？ 在我真的错了之前。

以防万一https://ru.wikipedia.org/wiki/Автокорреляционная_функция

123456789...60
新评论