引文中的依赖性统计（信息论、相关和其他特征选择方法）。 - 页 68 1...6162636465666768697071727374 新评论 СанСаныч Фоменко 2012.10.14 06:00 #671 alexeymosc: 数据在附件中。我用量化的系列（最右边）工作。 结果是这样的。 一个非常奇怪的图表。修剪过的。看起来，计算的准确性有限。 统计数据 非常有趣。 ACF 日期: 10/14/12 时间: 11:58 样本：1,272份 包括观察：3271 自相关 部分相关 AC PAC Q-Stat Prob | | 1 -0.059 -0.059 11.332 0.001 | | | 2 -0.053 -0.057 20.704 0.000 | | 3 0.025 0.019 22.820 0.000 | | 4 0.005 0.005 22.908 0.000 | | 5 -0.062 -0.059 35.486 0.000 | | | 6 0.007 -0.000 35.639 0.000 | | | 7 -0.038 -0.045 40.475 0.000 | | 8 0.032 0.030 43.845 0.000 | | 9 -0.007 -0.008 44.004 0.000 | | 10 0.025 0.026 46.003 0.000 | | | 11 -0.033 -0.032 49.674 0.000 | | 12 0.048 0.043 57.372 0.000 | | 13 0.002 0.006 57.382 0.000 | | 14 -0.032 -0.028 60.736 0.000 | | 15 -0.033 -0.033 64.288 0.000 | | 16 0.047 0.034 71.425 0.000 | | 17 -0.004 0.007 71.469 0.000 | | 18 -0.039 -0.037 76.462 0.000 | | 19 -0.004 -0.008 76.520 0.000 | | 20 0.017 0.004 77.426 0.000 | | | 21 -0.046 -0.040 84.377 0.000 | | 22 0.020 0.013 85.636 0.000 | | 23 0.006 0.006 85.767 0.000 | | 24 -0.010 -0.010 86.089 0.000 | | | 25 -0.001 -0.004 86.090 0.000 | | | 26 -0.022 -0.028 87.663 0.000 | | 27 0.025 0.031 89.677 0.000 | | | 28 -0.022 -0.028 91.250 0.000 | | 29 0.028 0.029 93.841 0.000 | | 30 0.009 0.011 94.135 0.000 | | 31 0.007 0.015 94.290 0.000 | | 32 0.004 0.001 94.350 0.000 | | 33 -0.007 -0.009 94.501 0.000 *| | *| | 34 -0.092 -0.085 122.33 0.000 | | | 35 0.010 -0.006 122.66 0.000 | | | 36 0.008 0.003 122.89 0.000 最后一栏是相关的概率。零。 这个数据没有任何意义--失去了精确性。分析没什么，只是一个数字。 Dependency statistics in quotes I want to build 我想建立一台电脑与MT5一起工作，你有什么建议，为什么？ Hide 2012.10.14 06:00 #672 Avals: 根据Pastukhov的说法，ZZ是什么？帕斯图霍夫研究了古典建筑中的卡吉/仁科。这个规则（2H）并不完全适用于ZZ。对膝关节的价值有一个依赖性，以点为单位。 是的，我们正在谈论H型波动。 Igor Makanu 2012.10.14 06:04 #673 VNG: 你可以通过调查引擎的结构，将其分解为范围，获得向高级（或初级）范围过渡的统计数据来实现最大化。 hmm, did this - visually it looks like this: http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg 每个彩色的三角形是M1,M5到MN相对于垂直线 的TF，模拟观察者对历史的看法，历史的形式是高和低的极值/历史最大/最小的范围。 我把它以字母表的形式上传到Statistica，是的，有重复的区域/词，甚至是2-3个TFs，但重复性不是周期性的，重复性的时期从2个月到几年不等。 Avals 2012.10.14 06:05 #674 VNG: 如果没有反对意见，我也是 "你 "的意思。 为什么不呢？这背后有什么原因吗？ 抽象的SB会有同样的东西 Avals 2012.10.14 06:07 #675 HideYourRichess: 是的，是关于H型波动的。 那里不同（在Getch图表上） СанСаныч Фоменко 2012.10.14 06:17 #676 alexeymosc: 数据在附件中。我用量化的系列（最右边）工作。我将采取通常的增量方式进行开场。 更有趣的是。统计数据 ACF 日期: 10/14/12 时间: 12:05 样本：1 3272 包括观察：3271 自相关 部分相关 AC PAC Q-Stat Prob | | | 1 -0.063 -0.063 13.075 0.000 | | | 2 -0.033 -0.037 16.554 0.000 | | 3 0.017 0.013 17.558 0.001 | | 4 -0.000 0.001 17.558 0.002 | | | 5 -0.043 -0.043 23.757 0.000 | | | 6 -0.003 -0.009 23.788 0.001 | | 7 -0.024 -0.028 25.722 0.001 | | 8 0.022 0.019 27.264 0.001 | | 9 -0.005 -0.004 27.338 0.001 | | 10 0.032 0.032 30.668 0.001 | | 11 -0.027 -0.025 33.069 0.001 | | 12 0.051 0.048 41.461 0.000 | | 13 0.011 0.016 41.861 0.000 | | 14 -0.020 -0.014 43.111 0.000 | | | 15 -0.040 -0.040 48.488 0.000 | | 16 0.047 0.039 55.873 0.000 | | 17 -0.003 0.006 55.900 0.000 | | 18 -0.054 -0.051 65.566 0.000 | | 19 0.006 0.000 65.688 0.000 | | 20 0.013 0.004 66.214 0.000 | | 21 -0.053 -0.047 75.446 0.000 | | 22 0.025 0.015 77.560 0.000 | | 23 0.014 0.014 78.179 0.000 | | | 24 -0.009 -0.008 78.465 0.000 | | 25 -0.003 -0.005 78.490 0.000 | | 26 -0.024 -0.030 80.367 0.000 | | 27 0.018 0.022 81.400 0.000 | | 28 -0.006 -0.007 81.522 0.000 | | 29 0.017 0.016 82.452 0.000 | | 30 0.008 0.013 82.657 0.000 | | | 31 -0.002 0.005 82.675 0.000 | | 32 0.010 0.004 83.006 0.000 | | | 33 -0.024 -0.025 84.980 0.000 *| | *| | 34 -0.083 -0.079 107.74 0.000 | | | 35 0.005 -0.011 107.82 0.000 | | | 36 0.022 0.014 109.37 0.000 无相关性的概率。最初有一些相关性，但并不显著。 Dependency statistics in quotes I want to build 我想建立一台电脑与MT5一起工作，你有什么建议，为什么？ СанСаныч Фоменко 2012.10.14 06:17 #677 alexeymosc: 数据在附件中。我用量化的系列（最右边）工作。我将采取通常的增量方式进行开场。 更有趣的是。统计数据 ACF 日期: 10/14/12 时间: 12:05 样本：1 3272 包括观察：3271 自相关 部分相关 AC PAC Q-Stat Prob | | | 1 -0.063 -0.063 13.075 0.000 | | | 2 -0.033 -0.037 16.554 0.000 | | 3 0.017 0.013 17.558 0.001 | | 4 -0.000 0.001 17.558 0.002 | | | 5 -0.043 -0.043 23.757 0.000 | | | 6 -0.003 -0.009 23.788 0.001 | | 7 -0.024 -0.028 25.722 0.001 | | 8 0.022 0.019 27.264 0.001 | | 9 -0.005 -0.004 27.338 0.001 | | 10 0.032 0.032 30.668 0.001 | | 11 -0.027 -0.025 33.069 0.001 | | 12 0.051 0.048 41.461 0.000 | | 13 0.011 0.016 41.861 0.000 | | 14 -0.020 -0.014 43.111 0.000 | | | 15 -0.040 -0.040 48.488 0.000 | | 16 0.047 0.039 55.873 0.000 | | 17 -0.003 0.006 55.900 0.000 | | 18 -0.054 -0.051 65.566 0.000 | | 19 0.006 0.000 65.688 0.000 | | 20 0.013 0.004 66.214 0.000 | | 21 -0.053 -0.047 75.446 0.000 | | 22 0.025 0.015 77.560 0.000 | | 23 0.014 0.014 78.179 0.000 | | | 24 -0.009 -0.008 78.465 0.000 | | 25 -0.003 -0.005 78.490 0.000 | | 26 -0.024 -0.030 80.367 0.000 | | 27 0.018 0.022 81.400 0.000 | | 28 -0.006 -0.007 81.522 0.000 | | 29 0.017 0.016 82.452 0.000 | | 30 0.008 0.013 82.657 0.000 | | | 31 -0.002 0.005 82.675 0.000 | | 32 0.010 0.004 83.006 0.000 | | | 33 -0.024 -0.025 84.980 0.000 *| | *| | 34 -0.083 -0.079 107.74 0.000 | | | 35 0.005 -0.011 107.82 0.000 | | | 36 0.022 0.014 109.37 0.000 无相关性的概率。最初有一些相关性，但并不显著。 Dependency statistics in quotes I want to build 我想建立一台电脑与MT5一起工作，你有什么建议，为什么？ Hide 2012.10.14 06:17 #678 VNG: 你能告诉我更多关于它的情况吗？ 该算法是在这句话中陈述的 专家顾问计算Zig-Zag膝盖的数量（不低于Pips）并将其保存到文件中。 对不起，我没有看代码，但从这句话中可以看出，计算膝盖的次数应该等于历史上最大价格范围的一分钟时间框架上的点数。 更多的细节？图表等？- 那是很久以前的事了，只有一个推测性的结论被保存下来。这让我很满意，因为它与数字植物学不同，对应于市场上的流程的一般想法--它们在不同层面上是不同的。一般来说，在小级别上有 "回报 "的倾向（HFT利用了这一点，而且本身也参与了创造这种效果），在大级别上有 "趋势性 "的倾向（长期投资）。在中间的某处是Pastukhov所描述的2H--在我的理解中是类似于马丁格尔或 "有效市场 "的东西。第二点是，水平边界不是恒定的，也就是说，不可能绘制一个图表并说它将永远是这样的。竞标者的构成和性质在不断变化，所以其他一切都在相应变化。以此类推。 СанСаныч Фоменко 2012.10.14 06:17 #679 alexeymosc: 数据在附件中。我用量化的系列（最右边）工作。 缩小窗口。大窗口--极限定理开始起作用。但我们进入市场 的时间是有限的。 窗口=100。图。 ACF 日期: 10/14/12 时间: 12:11 样本：1 100 包括观察：99 自相关 部分相关 AC PAC Q-Stat Prob .|. .|. 1 0.001 0.001 3.e-05 0.996 .|. .|. 2 0.036 0.036 0.1371 0.934 *|. | *|. | 3 -0.148 -0.148 2.4225 0.489 .|. .|. 4 -0.047 -0.048 2.6516 0.618 *|. | *|. | 5 -0.132 -0.124 4.5037 0.479 .* |* |00 .* |01 6 0.135 0.121 6.4763 0.372 *|. | *|. | 7 -0.096 -0.109 7.4812 0.381 .|. .|. 8 0.023 -0.021 7.5395 0.480 *|. .|. 9 -0.073 -0.050 8.1324 0.521 .|* |00 .|* 10 0.105 0.083 9.3778 0.497 .|. .|. 11 -0.018 0.002 9.4136 0.584 .|. .|. 12 0.034 -0.028 9.5449 0.656 .|. .|* | 13 0.060 0.109 9.9605 0.697 .|. .|. 14 0.062 0.049 10.418 0.731 .|. .|. 15 -0.053 -0.021 10.750 0.770 *|. | *|. | 16 -0.103 -0.132 12.038 0.741 .|. .|. 17 -0.036 0.018 12.196 0.788 *|. | *|. | 18 -0.111 -0.103 13.712 0.748 .|. .|. 19 -0.028 -0.062 13.812 0.795 .|. .|. 20 0.030 -0.004 13.923 0.834 .|. *|. 21 -0.045 -0.087 14.187 0.861 .|. .|. 22 -0.008 -0.002 14.196 0.894 .|* |00 .|* 23 0.124 0.076 16.219 0.846 .|. .|. 24 0.021 0.014 16.280 0.878 .|. .|. 25 -0.025 -0.059 16.364 0.904 .|. .|. 26 0.041 0.069 16.591 0.921 .|. .|. 27 0.046 0.073 16.879 0.934 *|. .|. 28 -0.074 -0.062 17.640 0.935 .|. .|. 29 0.038 0.056 17.848 0.947 .|. .|. 30 -0.039 -0.010 18.071 0.957 .|. .|. 31 0.023 0.069 18.151 0.968 .|. .|. 32 -0.014 -0.015 18.179 0.976 .|. .|. 33 0.021 -0.030 18.245 0.982 .|. .|. 34 -0.041 -0.031 18.505 0.986 .|. .|. 35 -0.019 -0.038 18.559 0.990 .|. .|. 36 -0.029 -0.043 18.697 0.992 情况发生了巨大的变化。没有关联的可能性非常大。 它仍有待于与TI进行比较。并弄清楚我们在谈论什么。 Dependency statistics in quotes Any questions from newcomers I want to build Hide 2012.10.14 06:22 #680 Avals: 不一样的（在Getch图表上） 我明白了。好吧，我能说什么呢--我在某种程度上更相信H-波动性，而不是GETCH。;)至少在帕斯图霍夫那里，可以清楚地看到腿从哪里长出来，想法是什么。 1...6162636465666768697071727374 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
数据在附件中。我用量化的系列（最右边）工作。
结果是这样的。
一个非常奇怪的图表。修剪过的。看起来，计算的准确性有限。
统计数据
非常有趣。
ACF
日期: 10/14/12 时间: 11:58
样本：1,272份
包括观察：3271
自相关 部分相关 AC PAC Q-Stat Prob
| | 1 -0.059 -0.059 11.332 0.001
| | | 2 -0.053 -0.057 20.704 0.000
| | 3 0.025 0.019 22.820 0.000
| | 4 0.005 0.005 22.908 0.000
| | 5 -0.062 -0.059 35.486 0.000
| | | 6 0.007 -0.000 35.639 0.000
| | | 7 -0.038 -0.045 40.475 0.000
| | 8 0.032 0.030 43.845 0.000
| | 9 -0.007 -0.008 44.004 0.000
| | 10 0.025 0.026 46.003 0.000
| | | 11 -0.033 -0.032 49.674 0.000
| | 12 0.048 0.043 57.372 0.000
| | 13 0.002 0.006 57.382 0.000
| | 14 -0.032 -0.028 60.736 0.000
| | 15 -0.033 -0.033 64.288 0.000
| | 16 0.047 0.034 71.425 0.000
| | 17 -0.004 0.007 71.469 0.000
| | 18 -0.039 -0.037 76.462 0.000
| | 19 -0.004 -0.008 76.520 0.000
| | 20 0.017 0.004 77.426 0.000
| | | 21 -0.046 -0.040 84.377 0.000
| | 22 0.020 0.013 85.636 0.000
| | 23 0.006 0.006 85.767 0.000
| | 24 -0.010 -0.010 86.089 0.000
| | | 25 -0.001 -0.004 86.090 0.000
| | | 26 -0.022 -0.028 87.663 0.000
| | 27 0.025 0.031 89.677 0.000
| | | 28 -0.022 -0.028 91.250 0.000
| | 29 0.028 0.029 93.841 0.000
| | 30 0.009 0.011 94.135 0.000
| | 31 0.007 0.015 94.290 0.000
| | 32 0.004 0.001 94.350 0.000
| | 33 -0.007 -0.009 94.501 0.000
*| | *| | 34 -0.092 -0.085 122.33 0.000
| | | 35 0.010 -0.006 122.66 0.000
| | | 36 0.008 0.003 122.89 0.000
这个数据没有任何意义--失去了精确性。分析没什么，只是一个数字。
根据Pastukhov的说法，ZZ是什么？帕斯图霍夫研究了古典建筑中的卡吉/仁科。这个规则（2H）并不完全适用于ZZ。对膝关节的价值有一个依赖性，以点为单位。
hmm, did this - visually it looks like this:
http://imglink.ru/pictures/14-10-12/6038b20b9bfbd1e06c08e649623cca4b.jpg
http://imglink.ru/pictures/14-10-12/47b7615b511f6b8a6f3b638a2fcda38b.jpg
每个彩色的三角形是M1,M5到MN相对于垂直线 的TF，模拟观察者对历史的看法，历史的形式是高和低的极值/历史最大/最小的范围。
我把它以字母表的形式上传到Statistica，是的，有重复的区域/词，甚至是2-3个TFs，但重复性不是周期性的，重复性的时期从2个月到几年不等。
如果没有反对意见，我也是 "你 "的意思。
为什么不呢？这背后有什么原因吗？
抽象的SB会有同样的东西
是的，是关于H型波动的。
那里不同（在Getch图表上）
数据在附件中。我用量化的系列（最右边）工作。
我将采取通常的增量方式进行开场。
更有趣的是。统计数据
ACF
日期: 10/14/12 时间: 12:05
样本：1 3272
包括观察：3271
自相关 部分相关 AC PAC Q-Stat Prob
| | | 1 -0.063 -0.063 13.075 0.000
| | | 2 -0.033 -0.037 16.554 0.000
| | 3 0.017 0.013 17.558 0.001
| | 4 -0.000 0.001 17.558 0.002
| | | 5 -0.043 -0.043 23.757 0.000
| | | 6 -0.003 -0.009 23.788 0.001
| | 7 -0.024 -0.028 25.722 0.001
| | 8 0.022 0.019 27.264 0.001
| | 9 -0.005 -0.004 27.338 0.001
| | 10 0.032 0.032 30.668 0.001
| | 11 -0.027 -0.025 33.069 0.001
| | 12 0.051 0.048 41.461 0.000
| | 13 0.011 0.016 41.861 0.000
| | 14 -0.020 -0.014 43.111 0.000
| | | 15 -0.040 -0.040 48.488 0.000
| | 16 0.047 0.039 55.873 0.000
| | 17 -0.003 0.006 55.900 0.000
| | 18 -0.054 -0.051 65.566 0.000
| | 19 0.006 0.000 65.688 0.000
| | 20 0.013 0.004 66.214 0.000
| | 21 -0.053 -0.047 75.446 0.000
| | 22 0.025 0.015 77.560 0.000
| | 23 0.014 0.014 78.179 0.000
| | | 24 -0.009 -0.008 78.465 0.000
| | 25 -0.003 -0.005 78.490 0.000
| | 26 -0.024 -0.030 80.367 0.000
| | 27 0.018 0.022 81.400 0.000
| | 28 -0.006 -0.007 81.522 0.000
| | 29 0.017 0.016 82.452 0.000
| | 30 0.008 0.013 82.657 0.000
| | | 31 -0.002 0.005 82.675 0.000
| | 32 0.010 0.004 83.006 0.000
| | | 33 -0.024 -0.025 84.980 0.000
*| | *| | 34 -0.083 -0.079 107.74 0.000
| | | 35 0.005 -0.011 107.82 0.000
| | | 36 0.022 0.014 109.37 0.000
无相关性的概率。最初有一些相关性，但并不显著。
数据在附件中。我用量化的系列（最右边）工作。
我将采取通常的增量方式进行开场。
更有趣的是。统计数据
ACF
日期: 10/14/12 时间: 12:05
样本：1 3272
包括观察：3271
自相关 部分相关 AC PAC Q-Stat Prob
| | | 1 -0.063 -0.063 13.075 0.000
| | | 2 -0.033 -0.037 16.554 0.000
| | 3 0.017 0.013 17.558 0.001
| | 4 -0.000 0.001 17.558 0.002
| | | 5 -0.043 -0.043 23.757 0.000
| | | 6 -0.003 -0.009 23.788 0.001
| | 7 -0.024 -0.028 25.722 0.001
| | 8 0.022 0.019 27.264 0.001
| | 9 -0.005 -0.004 27.338 0.001
| | 10 0.032 0.032 30.668 0.001
| | 11 -0.027 -0.025 33.069 0.001
| | 12 0.051 0.048 41.461 0.000
| | 13 0.011 0.016 41.861 0.000
| | 14 -0.020 -0.014 43.111 0.000
| | | 15 -0.040 -0.040 48.488 0.000
| | 16 0.047 0.039 55.873 0.000
| | 17 -0.003 0.006 55.900 0.000
| | 18 -0.054 -0.051 65.566 0.000
| | 19 0.006 0.000 65.688 0.000
| | 20 0.013 0.004 66.214 0.000
| | 21 -0.053 -0.047 75.446 0.000
| | 22 0.025 0.015 77.560 0.000
| | 23 0.014 0.014 78.179 0.000
| | | 24 -0.009 -0.008 78.465 0.000
| | 25 -0.003 -0.005 78.490 0.000
| | 26 -0.024 -0.030 80.367 0.000
| | 27 0.018 0.022 81.400 0.000
| | 28 -0.006 -0.007 81.522 0.000
| | 29 0.017 0.016 82.452 0.000
| | 30 0.008 0.013 82.657 0.000
| | | 31 -0.002 0.005 82.675 0.000
| | 32 0.010 0.004 83.006 0.000
| | | 33 -0.024 -0.025 84.980 0.000
*| | *| | 34 -0.083 -0.079 107.74 0.000
| | | 35 0.005 -0.011 107.82 0.000
| | | 36 0.022 0.014 109.37 0.000
无相关性的概率。最初有一些相关性，但并不显著。
你能告诉我更多关于它的情况吗？
该算法是在这句话中陈述的
专家顾问计算Zig-Zag膝盖的数量（不低于Pips）并将其保存到文件中。
对不起，我没有看代码，但从这句话中可以看出，计算膝盖的次数应该等于历史上最大价格范围的一分钟时间框架上的点数。
数据在附件中。我用量化的系列（最右边）工作。
缩小窗口。大窗口--极限定理开始起作用。但我们进入市场 的时间是有限的。
窗口=100。图。
ACF
日期: 10/14/12 时间: 12:11
样本：1 100
包括观察：99
自相关 部分相关 AC PAC Q-Stat Prob
.|. .|. 1 0.001 0.001 3.e-05 0.996
.|. .|. 2 0.036 0.036 0.1371 0.934
*|. | *|. | 3 -0.148 -0.148 2.4225 0.489
.|. .|. 4 -0.047 -0.048 2.6516 0.618
*|. | *|. | 5 -0.132 -0.124 4.5037 0.479
.* |* |00 .* |01 6 0.135 0.121 6.4763 0.372
*|. | *|. | 7 -0.096 -0.109 7.4812 0.381
.|. .|. 8 0.023 -0.021 7.5395 0.480
*|. .|. 9 -0.073 -0.050 8.1324 0.521
.|* |00 .|* 10 0.105 0.083 9.3778 0.497
.|. .|. 11 -0.018 0.002 9.4136 0.584
.|. .|. 12 0.034 -0.028 9.5449 0.656
.|. .|* | 13 0.060 0.109 9.9605 0.697
.|. .|. 14 0.062 0.049 10.418 0.731
.|. .|. 15 -0.053 -0.021 10.750 0.770
*|. | *|. | 16 -0.103 -0.132 12.038 0.741
.|. .|. 17 -0.036 0.018 12.196 0.788
*|. | *|. | 18 -0.111 -0.103 13.712 0.748
.|. .|. 19 -0.028 -0.062 13.812 0.795
.|. .|. 20 0.030 -0.004 13.923 0.834
.|. *|. 21 -0.045 -0.087 14.187 0.861
.|. .|. 22 -0.008 -0.002 14.196 0.894
.|* |00 .|* 23 0.124 0.076 16.219 0.846
.|. .|. 24 0.021 0.014 16.280 0.878
.|. .|. 25 -0.025 -0.059 16.364 0.904
.|. .|. 26 0.041 0.069 16.591 0.921
.|. .|. 27 0.046 0.073 16.879 0.934
*|. .|. 28 -0.074 -0.062 17.640 0.935
.|. .|. 29 0.038 0.056 17.848 0.947
.|. .|. 30 -0.039 -0.010 18.071 0.957
.|. .|. 31 0.023 0.069 18.151 0.968
.|. .|. 32 -0.014 -0.015 18.179 0.976
.|. .|. 33 0.021 -0.030 18.245 0.982
.|. .|. 34 -0.041 -0.031 18.505 0.986
.|. .|. 35 -0.019 -0.038 18.559 0.990
.|. .|. 36 -0.029 -0.043 18.697 0.992
情况发生了巨大的变化。没有关联的可能性非常大。
它仍有待于与TI进行比较。并弄清楚我们在谈论什么。
不一样的（在Getch图表上）