Показательное распределение Экспоненциальное (или показательное[1]) распределение — абсолютно непрерывное распределение, моделирующее время между двумя последовательными свершениями одного и того же события. f X ( x ) = { λ e − λ x , x ≥ 0 , 0 , x < 0. {\displaystyle...
Генератор случайных чисел во многом подобен сексу: когда он хорош — это прекрасно, когда он плох, все равно приятно (Джордж Марсалья, 1984) Популярность стохастических алгоритмов все растет. Многие из них базируются на генерации большого количества различных случайных величин. Далеко не всегда равномерно распределенных. Здесь я попытался...
再次向这个论坛和这个特定主题的所有读者致意。
只有基于一组历史（积分）和当前参数的分析的交易策略才能带来任何积极的结果。所有仅基于当前参数（当前价格、当前方差、当前相关系数等）分析的策略，如布林带、马丁格尔、基于傅里叶变换的各种振荡器--都注定要失败。
那么你没有上过零售外汇的熟悉课程？ 也许，你应该至少阅读一些公司的客户协议，想想为什么这么多公司认为套利是一种被禁止的技术（对客户来说，对他们自己来说，他们认为选择市场上最好的课程是非常合法的）？毕竟，那里只分析了ONLY的现行利率...为什么公司对那些 "事先注定要失败 "的方法进行自我辩护，而对分析积分参数则完全不进行自我辩护，你认为呢？因为他们的愚蠢？
我注意到 "马丁格尔 "这个词在该主题中被使用了好几次。当然是言论自由。还有文字创作。但是，然而这个词已经很忙了，在随机过程的理论中，这里探讨的是被称为 "马丁格尔 "的交易方法。为什么要制造混乱呢？维基。
" 随机过程理论 中的马丁格尔 是这样一个随机过程，对该过程的未来行为的最佳（在均方意义上）预测是其目前的状态。"
P.S.还有另一个意思："马缰绳对马来说不是一种饲养的手段，而是一种帮助，可以让它的头保持在正确的位置......"- 足够了，看来是这样。
问候，弗拉基米尔!
现在没有时间了--很多工作，甚至放弃了我的分支机构很长时间。但是，我读了你在那里的帖子--它很好奇，这是肯定的。特别是关于以一定的时间间隔读取数据。我一开始就说--我不认为它是以随机选择的间隔，而是以指数分布。在这种情况下，我们来到了一个纯粹的马尔科夫过程。我在这个主题上有一点工作。他们似乎显示了增量的几何规律分布，P=0.5，这再次说明，如果不分析历史数据，我们的机会严格来说是50/50。
但是，我需要一些时间和在这个方向上的实验 - 我可能错了，P=0.5。
在这里，你已经播下了我的疑虑--没有争论。:)))))
问候，弗拉基米尔!
现在没有时间了--很多工作，甚至放弃了我的分支机构很长时间。但是，我读了你在那里的帖子--它很好奇，这是肯定的。特别是关于以一定的时间间隔读取数据。我马上说--我不认为它是在随机选择的间隔，而是指数分布的间隔。在这种情况下，我们来到了一个纯粹的马尔科夫过程。我在这个主题上有一点工作。他们似乎显示了增量的几何规律分布，p=0.5，这再次说明，如果没有历史数据分析，我们的机会严格来说是50/50。
但是，我需要一些时间和在这个方向上的实验 - 我可能错了，P=0.5。
在这里，你已经播下了我的疑虑--没有争论。:)))))
"不是通过随机选择的间隔，而恰恰是通过指数分布"--怎么说？你仍然没有澄清你说的这些话是什么意思。也许你现在可以告诉我们？
我注意到 "马丁格尔 "这个词在该主题中被使用了好几次。当然是言论自由。还有文字创作。但是，这个词却已经很忙了，在随机过程的理论中，这里正在探讨被称为 "马丁格尔 "的交易方法。为什么要制造混乱呢？维基。
" 随机过程理论 中的马丁格尔 是这样一个随机过程，对该过程的未来行为的最佳（在均方意义上）预测是其目前的状态。"
P.S.还有另一个意思："马缰绳对马来说不是一种饲养的手段，而是一种帮助，可以让它的头保持在正确的位置......"- 足够了，看来是这样。
haha))))，出于某种原因，我立即将其与 "边缘 "一词联系起来。
链接：https://ru.wikipedia.org/wiki/Экспоненциальное_распределение
我专门写了一个程序，在时间间隔内产生脉冲，服从这个分布的lambda=1。并且严格按照这种脉冲的到来，我读取了刻度数据。绝对所有的增量分布图片都变得非常光滑，比例正确。一般来说--一个非常漂亮的马尔科夫过程。只要采取通常的价格运动的线性方程，就可以了。但如果我们对这种情况下的增量做一个直方图，我们会得到一个漂亮的几何 分布，P=0.5，这证明在这种情况下，我们处理的是这个主题中描述的 "硬币翻转"。所以我放弃了这个案子...
链接：https://ru.wikipedia.org/wiki/Экспоненциальное_распределение
我专门写了一个程序，在时间间隔内产生脉冲，服从这个分布的lambda=1。并且严格按照这种脉冲的到来，我读取了刻度数据。绝对所有的增量分布图片都变得非常光滑，比例正确。一般来说--一个非常漂亮的马尔科夫过程。只要采取通常的价格运动的线性方程，就可以了。但如果我们对这种情况下的增量做一个直方图，我们会得到一个漂亮的几何分布，P=0.5，这证明在这种情况下，我们处理的是这个主题中描述的 "硬币翻转"。而我已经放弃了这个案子...
有趣的是...所以你有指数分布的阅读时刻增量。读出的是什么呢？问的增量，还是比率本身？
还有一个关于生成一个密度为exp（-x）的伪随机步骤序列的问题。在https://habrahabr.ru/post/263993/，我读到。
"已经有人说过，对于指数分布，你可以取均匀分布值的对数，你可以使生成速度更快。由于任何指数值都是由标准值除以密度得到的，所以可以通过众所周知的Ziggurat进行生成。如果你遇到了尾巴，你可以重新运行算法，并在获得的数值上加上x1："
- 你有这样做吗？对伪随机数发生器没有特别要求，可以吗？我想看看采样率图在你读取数据的方法下会有什么变化。我理解尾巴，它是分布exp (-x)与起点移动的独立性的结果。
有趣的是...所以你有指数分布的阅读增量时刻。读出的是什么呢？问的增量，还是课程本身？
还有一个关于生成一个密度为exp（-x）的伪随机步骤序列的问题。在https://habrahabr.ru/post/263993/，我读到。
"已经有人说过，对于指数分布，你可以取均匀分布值的对数，你可以使生成速度更快。由于任何指数值都是由标准值除以密度得到的，所以可以通过众所周知的Ziggurat进行生成。如果你遇到了尾巴，你可以重新运行算法，并在获得的数值上加上x1："
- 你有这样做吗？对伪随机数发生器没有特别要求，可以吗？我想看看采样率图在你读取数据的方法下会有什么变化。我理解尾巴，它是起点移动的分布指数（-x）的独立性的结果。
1.价格本身被读取，然后计算出增量。
2.是的，正是如此。我只取了生成的数字的整数部分并加上1，因此，我得到了1、2、3、...的时间样本。...秒，按照指数规律分布。
那是一种美...然而，p=0.5把我吓跑了，我现在只致力于调查当前参数和历史平均参数的组合。有一些结果。我将在适当的时候敲定并公布这些信息。
1.价格本身被读取，然后计算出增量。
2.是的，正是这样。我只取了生成的数字的一个整数部分并加了1，所以我得到了1、2、3、...的时间样本。...秒，按照指数规律分布。
那是一种美...然而，p=0.5把我吓跑了，我现在只致力于调查当前参数和历史平均参数的组合。有一些结果。我将最后确定它们，并在适当的时候公布它们。
是的，有趣...最后一个问题。
选择lambda=1的原因是什么？