Regresión Bayesiana - ¿Alguien ha hecho un EA utilizando este algoritmo? - página 16

 
Alexey Burnakov:

1. La probabilidad es máxima en : las fórmulas largas continúan. Podemos decir que obtenemos el valor mínimo del cuadrado medio de los residuos, o podemos decir que hemos maximizado la probabilidad.

2. puede que haya algo que no entiendas. el coeficiente b1 es ¿qué? La expectativa matemática de los valores muestrales del coeficiente b1, que se distribuye en t en ausencia de conocimiento de los parámetros del coeficiente b1 sobre la población general. La regresión lineal (mínimos cuadrados ordinarios) proporciona una estimación de E(b) y sigma(b), el error estándar del coeficiente b1. Lo que se ve en la salida del modelo son todas estas estimaciones. A continuación, existe una estimación de la diferencia significativa entre E(b) y 0, el estadístico t y la probabilidad asociada.

3. No hay nada que pueda decir sobre las tendencias. La simetría es importante. La sigma en los residuos también es importante. El coeficiente de curtosis también es importante.

4. Últimamente he leído mucho sobre la regresión, así que lo que he escrito arriba lo entiendo. Informo a mis clientes sobre los resultados de la regresión y tengo que entender algo. Aunque prefiero los métodos no paramétricos.

1. En realidad la regresión es bayesiana, por si lo has olvidado. Así que hay que maximizar el valor de la fórmula de probabilidad bayesiana.

2. Esto es un completo disparate de la mente de un matemático inflamado.

3. Así que estás haciendo algo atascado en distribuciones t, normalidad, estimadores, sigmas... sin entender lo que estás haciendo o por qué, o lo que es en primer lugar. Entonces, ¿por qué y para qué luchas aquí continuamente contra la normalidad de la distribución?

4. "Informar sobre los resultados de la regresión", ¡eso es algo!

 
Dmitry Fedoseev:

1. En realidad la regresión es bayesiana, por si lo has olvidado. Así que hay que maximizar el valor de la fórmula de probabilidad bayesiana.

2. Esto es una completa tontería de una mente matemática inflamada.

3. Así que estás haciendo algo atascado en distribuciones t, normalidad, estimadores, sigmas... sin entender lo que estás haciendo o por qué, o lo que es en primer lugar. Entonces, ¿por qué y para qué luchas aquí continuamente contra la normalidad de la distribución?

4. "Informar sobre los resultados de la regresión" es algo.

Creo que deberías consultar el manual de métodos clásicos: http://www.intuit.ru/studies/courses/1153/318/info

No me ofende la grosería.

Информация | Статистические методы анализа данных | НОУ ИНТУИТ
Информация | Статистические методы анализа данных | НОУ ИНТУИТ
  • www.intuit.ru
Курс посвящен изучению современных методов анализа данных.
 
Alexey Burnakov:

Creo que deberías consultar el manual de métodos clásicos: http://www.intuit.ru/studies/courses/1153/318/info

No me ofende la grosería.

¿Qué tal si tú no me dices dónde ir y yo no te digo dónde ir?

 
Dmitry Fedoseev:

¿Qué tal si tú no me dices dónde ir y yo no te digo dónde ir?

¿De qué barrio eres?
 
Alexey Burnakov:
¿De qué barrio será usted?
Y lo que es más interesante, ¿de qué barrio es usted?
 
Dmitry Fedoseev:
No hay nada que tomar en serio. De hecho, el problema se resuelve a nivel de un trabajo trimestral de un estudiante de 4º curso de algún departamento relacionado con la automatización.

Dimitri, fíjate en la coincidencia absoluta de las sumas de los valores reales y estimados de la población, ¿algún método puede lograr esta coincidencia y este hecho es aleatorio?

¿Incluso después de eso (18) no te sorprendió? Es cierto que ese resultado milagroso se consigue con un caso especial de (18), cuando n=1 y su gráfica es más monótona:


 
Yousufkhodja Sultonov:

1. Dimitri, fíjate en la coincidencia absoluta de las sumas de los valores reales y estimados de la población, ¿algún método puede lograr esta coincidencia y este hecho es aleatorio?

2. ¿Incluso después de eso (18) no te sorprendió? Es cierto que un caso especial de (18) consigue un resultado tan milagroso, con n=1 y su gráfica es más monótona:

En la revista "Tekhnika Zhurnika" de 1980 se publicó un interesante artículo sobre la invención de unos rayos por parte de un científico. Este científico decidió mostrar sus experimentos a un observador externo. El experimento se llevó a cabo en la oscuridad, y este observador externo cogió el sensor y lo desatornilló, y después de eso la flecha del dispositivo quedó colgando del ruido. Sin embargo, el científico vio cómo el instrumento reaccionaba a sus rayos.

1. No es ninguna sorpresa. Su regresión es una regresión con el mismo exponente que se muestra en la gráfica, por lo que coincidirá con ella. El hecho no es aleatorio sino fabricado, no todos los procesos se desarrollan en tales gráficos. La misma coincidencia se puede obtener con una regresión polinómica, incluso mejor.

2. En absoluto. El método de regresión se desarrolló hace tiempo y de forma clara. Desde hace tiempo se sabe que se puede tomar cualquier función, ya sea con un parámetro, o con dos, o con cualquier otro número de parámetros. Mediante algunos cálculos matemáticos, se pueden obtener fórmulas. Así que tu descubrimiento es un problema estándar para un estudiante de matemáticas de 3er o 4to año (o tal vez de 2do año). En otras palabras, hay una función curvulina, hay una función de comprobación de coincidencia, y los coeficientes de la construcción curvulina se calculan utilizando métodos conocidos (tomando la derivada y resolviendo un sistema de ecuaciones).

 
Yousufkhodja Sultonov, ¿dónde puedo descargar la última versión de su indicador?
 
-Aleks-:

Yousufkhodja Sultonov, ¿dónde puedo descargar la última versión de su indicador?

Aquí está la versión de trabajo, la más reciente - la publicaré pronto

Archivos adjuntos:
 
Yousufkhodja Sultonov:

Gracias. Intentaré evaluar la eficacia en mi centralita.

Resulta que ya lo tengo, así que es una versión antigua...

Se sigue redibujando en barras pasadas, lo que hace imposible evaluar adecuadamente su eficacia, ¿por qué se hace esto?

A juzgar por esta parte del código

SetIndexBuffer(i, Buy); SetIndexLabel(i, "Buy"); SetIndexStyle(i, DRAW_ARROW); SetIndexArrow(i, 233); i++;

SetIndexBuffer(i, Sell); SetIndexLabel(i, "Sell"); SetIndexStyle(i, DRAW_ARROW); SetIndexArrow(i, 234); i++;

Las flechas deberían estar dibujadas, pero no lo están.

Los buffers de VENTA y COMPRA están presentes, pero no hay información en ellos. ¿No sería mejor utilizar el histograma +1/-1 para la COMPRA y la VENTA?