引文中的依赖性统计(信息论、相关和其他特征选择方法)。 - 页 71 1...6465666768697071727374 新评论 Alexey Burnakov 2012.10.14 08:53 #701 faa1947: 左边的数字意味着什么这些是比特。例如,0.05比特。 进一步询问,我们将继续对话。 СанСаныч Фоменко 2012.10.14 09:00 #702 alexeymosc: 这些是比特。例如,0.05比特。 请进一步询问,以便我们能够继续对话。 被测量的物理量是什么? 变化的极限是什么?最多可以达到1? [删除] 2012.10.14 09:08 #703 IgorM: 我们取一个任意长度的字母,在截图中是24位,并对其进行编码。 红色表示价格已更新的最小值=1,蓝色表示价格已更新的最大值=0。 我检查了关于较高TF上的趋势 "更重要 "的说法,这部分是真的,但到目前为止,我还没有看到任何明确的规则。 谢谢你,我知道了。 下级对上级的隶属关系是一个不可否认的事实。 http://www.onix-trade.net/forum/index.php?s=2b118a5435ec895351a317ca24d55206&showforum=74 http://forum.fxtde.com/index.php?showtopic=2635&st=1820 http://forum.alpari.ru/showthread.php?p=2984861#post2984861 这里对瓦迪姆的模型进行了讨论,他对问题进行了回答。这里有所有的信息和所有的证据和明确的规则。 Igor Makanu 2012.10.14 09:14 #704 VNG: 谢谢,知道了。 年轻人对年长者的从属地位是一个不可否认的事实。 http://www.onix-trade.net/forum/index.php?s=2b118a5435ec895351a317ca24d55206&showforum=74 http://forum.fxtde.com/index.php?showtopic=2635&st=1820 http://forum.alpari.ru/showthread.php?p=2984861#post2984861 这里有一个关于瓦迪姆模型的讨论,他回答了问题。这里有所有的信息和所有的证据和明确的规则。 谢谢,我会研究的。 ZS:我都没想到会出现这些链接,已经问了一天了,他们让我去谷歌找 . .....))) [删除] 2012.10.14 09:14 #705 faa1947: 计量经济学是将数学统计学应用于经济学。 这就是我想听到的。 谢谢你和其他所有人进行的内容丰富的讨论。好运!;) Alexey Burnakov 2012.10.14 09:26 #706 faa1947: 被测量的物理量是什么? 变化的极限是什么?最多可以达到1? 最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息就变成了2.098比特。 这个数字是什么?它是一种信息措施)你需要阅读关于TI的文章。简而言之,比特反映了对数据源值的随机性的衡量,使用一个特定值的特征信息公式 I(X) = - log(P(x))*P(x)。 另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们可以得到相互信息I(X;Y)=0。而如果抛出的尾巴能准确地表明随后的尾巴(或头)抛出,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。 СанСаныч Фоменко 2012.10.14 10:59 #707 alexeymosc: 最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息将变成2.098比特。 这个数字是什么?它是一种信息措施)你需要阅读关于TI的文章。简而言之,根据一个特定值的特征信息公式,比特反映了对数据源值随机性的衡量 I(X) = - log(P(x))*P(x)。 另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们可以得到相互信息I(X;Y)=0。而如果抛出的尾巴能准确地表明随后的尾巴(或头)抛出,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。 在统计学中,显著性的概念是非常重要的。图中的0.05和0.01的数值在意义上是相同的,不能作为任何结论的基础。 虽然我可能是错的。 Alexey Burnakov 2012.10.14 11:04 #708 faa1947: 在统计学中,显著性的概念是非常重要的。图上0.05和0.01的数值在其znA值方面是相同的,不能作为任何结论的基础。虽然我可能是错的。 在这种情况下,你是错误的。 我特意将其与具有相同分布的随机数据集上的相互信息统计进行了比较。这种差异是巨大的,并得到了测试的证实。 这种比较与ACF中的置信区间 大致相同。 СанСаныч Фоменко 2012.10.14 11:21 #709 alexeymosc:在这种情况下,你是错误的。我特意将其与具有相同分布的随机数据集上的相互信息统计进行了比较。这种差异是巨大的,并得到了测试的证实。这种比较与ACF中的置信区间大致相同。 也许。 任何置信区间 听起来都是这样的:在5%的水平上(例如),无效假设被证实(未被证实)。 你的无效假设听起来如何?置信区间在哪里? 等等。如果ACF对我来说是一个可以理解的东西,那么你的图就不可以理解。如果最大是2.098比特,那么就不应该讨论0.05/2.098。而行文开头的问题并没有被删除。 顺便问一下,你是根据什么来计算ACF的? Sceptic Philozoff 2012.10.14 12:04 #710 faa1947: 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 可能的情况是,没有相关性。开始时有一些相关性,但没有意义。没错,这完全正确。ACF根本没有任何用处。 而从相互信息来看--应该有,因为零点都没有闻到,即使是在几百条的距离上。 1...6465666768697071727374 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
左边的数字意味着什么
这些是比特。例如,0.05比特。
进一步询问,我们将继续对话。
这些是比特。例如,0.05比特。
请进一步询问,以便我们能够继续对话。
被测量的物理量是什么? 变化的极限是什么?最多可以达到1?
我们取一个任意长度的字母,在截图中是24位,并对其进行编码。
红色表示价格已更新的最小值=1,蓝色表示价格已更新的最大值=0。
我检查了关于较高TF上的趋势 "更重要 "的说法,这部分是真的,但到目前为止,我还没有看到任何明确的规则。
谢谢你,我知道了。
下级对上级的隶属关系是一个不可否认的事实。
http://www.onix-trade.net/forum/index.php?s=2b118a5435ec895351a317ca24d55206&showforum=74
http://forum.fxtde.com/index.php?showtopic=2635&st=1820
http://forum.alpari.ru/showthread.php?p=2984861#post2984861
这里对瓦迪姆的模型进行了讨论,他对问题进行了回答。这里有所有的信息和所有的证据和明确的规则。
谢谢,知道了。
年轻人对年长者的从属地位是一个不可否认的事实。
http://www.onix-trade.net/forum/index.php?s=2b118a5435ec895351a317ca24d55206&showforum=74
http://forum.fxtde.com/index.php?showtopic=2635&st=1820
http://forum.alpari.ru/showthread.php?p=2984861#post2984861
这里有一个关于瓦迪姆模型的讨论,他回答了问题。这里有所有的信息和所有的证据和明确的规则。
谢谢,我会研究的。
ZS:我都没想到会出现这些链接,已经问了一天了,他们让我去谷歌找 . .....)))
计量经济学是将数学统计学应用于经济学。
这就是我想听到的。
谢谢你和其他所有人进行的内容丰富的讨论。好运!;)
被测量的物理量是什么? 变化的极限是什么?最多可以达到1?
最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息就变成了2.098比特。
这个数字是什么?它是一种信息措施)你需要阅读关于TI的文章。简而言之,比特反映了对数据源值的随机性的衡量,使用一个特定值的特征信息公式
I(X) = - log(P(x))*P(x)。
另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们可以得到相互信息I(X;Y)=0。而如果抛出的尾巴能准确地表明随后的尾巴(或头)抛出,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。
最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息将变成2.098比特。
这个数字是什么?它是一种信息措施)你需要阅读关于TI的文章。简而言之,根据一个特定值的特征信息公式,比特反映了对数据源值随机性的衡量
I(X) = - log(P(x))*P(x)。
另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们可以得到相互信息I(X;Y)=0。而如果抛出的尾巴能准确地表明随后的尾巴(或头)抛出,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。
在统计学中,显著性的概念是非常重要的。图上0.05和0.01的数值在其znA值方面是相同的,不能作为任何结论的基础。虽然我可能是错的。
在这种情况下,你是错误的。
我特意将其与具有相同分布的随机数据集上的相互信息统计进行了比较。这种差异是巨大的,并得到了测试的证实。
这种比较与ACF中的置信区间 大致相同。
在这种情况下,你是错误的。
我特意将其与具有相同分布的随机数据集上的相互信息统计进行了比较。这种差异是巨大的,并得到了测试的证实。
这种比较与ACF中的置信区间大致相同。
也许。
任何置信区间 听起来都是这样的:在5%的水平上(例如),无效假设被证实(未被证实)。
你的无效假设听起来如何?置信区间在哪里? 等等。如果ACF对我来说是一个可以理解的东西,那么你的图就不可以理解。如果最大是2.098比特,那么就不应该讨论0.05/2.098。而行文开头的问题并没有被删除。
顺便问一下,你是根据什么来计算ACF的?
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
可能的情况是,没有相关性。开始时有一些相关性,但没有意义。没错,这完全正确。ACF根本没有任何用处。
而从相互信息来看--应该有,因为零点都没有闻到,即使是在几百条的距离上。