Discusión sobre el artículo "Cálculos Estadísticos"

 

Artículo publicado Cálculos Estadísticos:

El cálculo de parámetros estadísticos de una secuencia es muy importante, puesto que la mayoría de los modelos y métodos matemáticos se basan en suposiciones simples. Por ejemplo, la normalidad de la ley de distribución o valor de dispersión, u otros parámetros. Por tanto, al analizar y pronosticar series cronológicas necesitamos una herramienta simple y conveniente que nos permita calcular de forma rápida y clara los principales parámetros estadísticos. Este artículo describe brevemente los parámetros estadísticos más sencillos de secuencias aleatorias y varios métodos de su análisis visual. Ofrece además la implementación de estos métodos en MQL5 y los métodos de visualización del resultado de los cálculos usando la aplicación Gnuplot.

Correlación entre indicaciones adyacentes

Autor: Victor

 
Для тех, кто серьезно занимался (-ется) анализом совместного движения фин. инструментов (> 2-х) - MQL4 форум
  • www.mql5.com
Для тех, кто серьезно занимался (-ется) анализом совместного движения фин. инструментов (> 2-х) - MQL4 форум
 

"Eliminación de valores atípicos


Antes de proceder a la estimación de los parámetros estadísticos, hay que tener en cuenta que la precisión de la estimación puede ser insuficiente si la muestra contiene errores groseros (valores atípicos). El impacto de los valores atípicos en la precisión de las estimaciones es especialmente fuerte cuando el tamaño de la muestra es pequeño. Los valores atípicos son valores que se desvían de forma anómala del centro de la distribución. Tales desviaciones pueden deberse a diversos tipos de sucesos improbables y errores ocurridos durante la recogida de estadísticas y la generación de secuencias.

Es bastante difícil decidir si filtrar o no los valores atípicos, porque en la mayoría de los casos es imposible determinar sin ambigüedad si un valor dado es un valor atípico o pertenece al proceso considerado. Si se detectan valores atípicos y se decide filtrarlos, surge la pregunta de qué hacer con esos valores erróneos. Lo más lógico es simplemente excluirlos de la muestra, y la precisión de la estimación de las características estadísticas de la población general puede aumentar, pero no hay que olvidar que, cuando se trata de secuencias temporales, hay que tener cuidado al excluir muestras de la secuencia."

Es mejor no hacerlo.

Sí, todos los datos deben validarse, y sí, la validación debe automatizarse.

Pero es mejor descartar una fuente de datos que manipular los datos originales, manual o automáticamente.

En la vida real, aceptar o excluir grandes riesgos basándose en su "baja probabilidad" es la causa de muchas tragedias y catástrofes.

 

Victor, este es el tipo de pregunta.

¿Crees que Kurtosis puede ser inferior a 1?

Si es así.

gs=(1.55+0.8*MathLog10((double)n/10.0)*MathSqrt(kurt-1))*MathSqrt(sum2/(n-1));

sería igual a -1.:-)

¡Gran artículo!

 
denkir:

Victor, este es el tipo de pregunta.

¿Crees que Kurtosis puede ser inferior a 1?

Si es así.

sería igual a -1. :-)

¡Gran artículo!


Lo más probable es que, teóricamente, la curtosis no pueda ser inferior a uno. Probablemente se obtendría un valor igual a uno para una secuencia formada por muestras rectilíneas. Por ejemplo, 1,2,3,4,5.

Si debido a errores, el algoritmo utilizado en el artículo puede dar un valor de curtosis menor que uno, no lo sé. Al final del artículo se menciona que no se ha investigado el comportamiento del algoritmo de cálculo del coeficiente.

 

De hecho, al calcular estimaciones insesgadas, la curtosis puede tomar un valor inferior a uno. Por ejemplo, para la secuencia de entrada 4,7,13,16.

Gracias por su observación. Voy a hacer cambios.

 
Se han hecho correcciones.