Von der Theorie zur Praxis - Seite 1457
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Warum? Was verhindert dies im Falle einer inkrementellen Abhängigkeit?
Die Stichprobenverteilungsfunktion nähert sich der wahren Verteilungsfunktion aufgrund des Theorems von Glivenko-Cantelli an, das voraussetzt, dass die Stichprobe eine Realisierung einer Folge unabhängiger, gleichverteilter Zufallsvariablen ist. Grob gesagt, kann es bei starker Abhängigkeit zu einer Verklumpung der Stichprobe an einem Punkt kommen, was die resultierende empirische (gesampelte) Verteilungsfunktion im Vergleich zur wahren stark verzerren würde.
Die Stichprobenverteilungsfunktion nähert sich der wahren Verteilungsfunktion aufgrund des Theorems von Glivenko-Cantelli an, das voraussetzt, dass die Stichprobe eine Realisierung einer Folge unabhängiger, gleichverteilter Zufallsvariablen ist. Grob gesagt, kann es bei einer starken Abhängigkeit zu einer Verklumpung der Stichprobe an einem Punkt kommen, was die resultierende empirische (Stichproben-)Verteilungsfunktion im Vergleich zur wahren stark verzerren würde.
lesen.......
Ich glaube nicht, dass dieses Theorem im Devisenhandel gilt.
Da der Stichprobenumfang mit zunehmender Anzahl der Elemente gegen unendlich tendiert, weicht die reale Verteilung (in rot) von der theoretischen Verteilung (in schwarz) ab, und zwar mit einer Wahrscheinlichkeit von 1
während das Theorem besagt, dass es übereinstimmen wird
Himmel und Erde Art von....
Im Forex-Bereich bedeutet dies, dass man in einem flachen Markt erfolgreich pip-sat und in einem Trend Verluste machen kann.
https://studfiles.net/preview/4287703/page:3/
lesen.......
Ich glaube nicht, dass dieses Theorem im Devisenhandel gilt.
denn wenn der Stichprobenumfang mit der Anzahl der Elemente gegen unendlich zunimmt, weicht die reale Verteilung (in rot) von der theoretischen Verteilung (in schwarz) ab, und zwar mit einer Wahrscheinlichkeit von 1
während das Theorem besagt, dass es übereinstimmen wird
Himmel und Erde Art von....
Und in Bezug auf Forex bedeutet dies, dass wir erfolgreich Pipsing in der Wohnung und Geld verlieren in den Trend.
https://studfiles.net/preview/4287703/page:3/
Es ist nicht das Theorem, das nicht umgesetzt wird, sondern die Bedingungen für seine exakte Anwendung auf große Zeitintervalle:
1) Die Gewinne sind abhängig (z. B. benachbarte Inkremente in der Wohnung)
2) Sie sind nicht gleichmäßig verteilt (Nicht-Stationarität)
Sie kann als Näherungswert für kleine Zeitintervalle ohne Trendwechsel verwendet werden. Etwas Ähnliches wurde von Gortschakow festgestellt. Und das Problem des Verfalls ist in etwa dasselbe.
Die Verteilungsfunktion der Stichprobe nähert sich der wahren Verteilungsfunktion aufgrund des Theorems von Glivenko-Cantelli an, das voraussetzt, dass die Stichprobe eine Realisierung einer Folge unabhängiger, gleichverteilter Zufallsvariablen ist. Grob gesagt, wenn eine starke Abhängigkeit besteht, kann die Stichprobe an einem Punkt zusammengedrängt werden, was die resultierende empirische (Stichproben-)Verteilungsfunktion im Vergleich zur wahren Funktion stark verzerren würde.
Es ist nicht ganz klar, warum einige Mathematiker Millionäre sein müssen und andere nicht)
Aber was ist mit bedingten Verteilungen, schließlich handelt es sich um eine Abhängigkeit.
Bedingte Verteilungen beruhen auf gemeinsamen Verteilungen. Nur im Falle der Unabhängigkeit (per Definition) ist die gemeinsame Verteilungsfunktion gleich dem Produkt der eindimensionalen Verteilungsfunktionen. Im Falle der Abhängigkeit ist es viel komplizierter - Kopulae wurden hier vor kurzem angesprochen - es geht um diese Größenordnung. Das G.-C.-Theorem (das auf den multivariaten Fall verallgemeinert zu sein scheint) gilt also für die approximative Konstruktion einer zweidimensionalen Verteilung, aus der man versuchen kann, bedingte eindimensionale Verteilungen zu konstruieren.
Millionäre werden von jenen Mathematikern verlangt, die behaupten, Finanzreihen zu beschreiben)
Soweit ich weiß, wurde Schirjajews Theorie zunächst für Funkortungszwecke entwickelt, aber es ist unwahrscheinlich, dass jemand von ihm verlangte, persönlich am Radargerät Dienst zu tun.)
Es ist nicht das Theorem, das nicht erfüllt ist, sondern die Bedingungen für seine exakte Anwendung über große Zeitintervalle:
1) Die Gradienten sind voneinander abhängig (z. B. benachbarte Gradienten in einer Ebene)
2) Die Gradienten sind nicht gleichmäßig verteilt (Nicht-Stationarität)
Sie kann als Näherungswert für kleine Zeitintervalle ohne Trendwechsel verwendet werden. Etwas Ähnliches wurde von Gortschakow festgestellt. Und das Problem der Diskontinuität ist in etwa dasselbe.
keine
lesen wir es gemütlich.
X 1 , ... , X n , ... - unendliche Stichprobe
Stabilität von was? Es gibt z.B. die Stabilität der Lösung eines Lyapunov-Diffusors oder z.B. die statistische Stabilität der Häufigkeit eines Ereignisses (im Sinne einer Konvergenz zu seiner Wahrscheinlichkeit).
keine
rüpelhaft lesen
X 1 , ... , X n , ... sei eine unendliche Stichprobe
In der Realität hat ein Statistiker immer mit endlichen Stichproben zu tun, so dass es sich immer nur um eine Annäherung an die Erfüllung dieses Satzes handelt. Mit zunehmendem Stichprobenumfang verbessert sich diese Annäherung jedoch, was als Konsistenz der Schätzung bezeichnet wird.
Der Artikel im russischen Wiki über das Glivenko-Cantelli-Theorem ist Unsinn, lesen Sie die englische Version oder ein normales Lehrbuch.