Una correlación muestral nula no significa necesariamente que no exista una relación lineal - página 2
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
De hecho, los libros dicen que si QC=0, no significa que las dos cantidades en cuestión no estén relacionadas.
Los libros dicen que no están relacionados linealmente.
El enlace que dio Rosh es exactamente el Coeficiente de Correlación de Rango de Spearman. Así es como se calcula. Si quieres ver la autocorrelación, se calcula de forma un poco diferente, como en este https://www.mql5.com/ru/code/8295
Ha quedado claro por qué una relación lineal se asocia a una correlación.
Imagina dos BPs como vectores. El punto es que por alguna razón, decidió que no hay relación lineal si los vectores son ortogonales.
La ortogonalidad de los vectores es el producto escalar cero.
Para el espacio euclidiano, el producto escalar de los vectores se considera como sigue:
Por tanto, si los vectores son linealmente independientes (según la definición anterior), su correlación es nula.
Otra cosa es que la dependencia lineal, definida como una medida del ángulo entre vectores, es una definición bastante mala.
Un poco de información de fondo.
La correlación y la dependencia se confunden a menudo porque en el caso de las distribuciones gaussianas son equivalentes (véase cualquier libro de texto de matemática para la prueba), y mucha gente cree que todo en el mundo se distribuye normalmente:))
Otro error común es confundir los conceptos de "coeficiente de correlación" (es decir, una característica de la dependencia estocástica entre v.c.) y "coeficiente de correlación de la muestra" (una estimación -una de las muchas posibles- del verdadero CV). En realidad, se trata de cosas muy diferentes, y sustituir una por la otra es fundamentalmente erróneo.
Para seguir, otros dos términos que a menudo se confunden: la dependencia funcional y la dependencia estocástica (también conocida como estadística, regresión, etc.).
Leyendo el hilo por enésima vez estoy convencido de que la matestadística no se puede entender simplemente leyendo una docena de libros de texto.
EN ELLA DEBES APROBAR EL EXAMEN.
Preferiblemente con "excelente":))))
Otro error común es confundir el "coeficiente de correlación" (es decir, una característica de la relación estocástica entre c.i.s.) y el "coeficiente de correlación de la muestra" (una estimación -una de las muchas posibles- del verdadero SC). En realidad, se trata de cosas muy diferentes, y sustituir una por la otra es fundamentalmente erróneo.
Sólo una pequeña lección.
La correlación y la dependencia se confunden a menudo porque en el caso de las distribuciones gaussianas son equivalentes (véase cualquier libro de texto de matemática para la prueba), y mucha gente cree que todo en el mundo se distribuye normalmente:))
Otro error común es mezclar los conceptos de "coeficiente de correlación" (es decir, la característica de la dependencia estocástica entre v.c.) y "coeficiente de correlación de la muestra" (una estimación -una de las muchas posibles- del verdadero CC). En realidad, se trata de cosas muy diferentes, y sustituir una por la otra es fundamentalmente erróneo.
En el seguimiento, dos términos más que a menudo se confunden: la dependencia es funcional y la dependencia es estocástica (también conocida como estadística, regresión, etc.).
Leyendo el hilo, por enésima vez, me convenzo de que la matestadística no se puede entender simplemente leyendo una docena de libros de texto.
HAY QUE PASAR UN EXAMEN EN ÉL.
Preferiblemente con una "A":)))
¿Y si hay un deseo de "utilizar" los trabajos?
No importa FFT o lo que sea.
Regresiones múltiples y correlaciones.
;)
¡Sonidos!
¿Qué tiene que ver el modelo físico de los foros?
Muy bien, lo harían en una fondue, al menos allí la métrica del espacio de estado no es un toroide, sino una bola.
;) DDD
Ha quedado claro por qué una relación lineal se asocia a una correlación.
Imagina dos BPs como vectores. El punto es que por alguna razón, decidió que no hay relación lineal si los vectores son ortogonales.
La ortogonalidad de los vectores es el producto escalar cero.
Para el espacio euclidiano, el producto escalar de los vectores se considera como sigue:
- Es casi una correlación ya hecha.
Por tanto, si los vectores son linealmente independientes (según la definición anterior), su correlación es nula.
Otra cosa es que la dependencia lineal, definida como una medida del ángulo entre vectores, es una definición bastante mala.
¿No te dan suficientes tareas en el instituto?
....
Su autocorrelación no está contando correctamente en absoluto.Resulta que fui un tonto al comprobar el código 10 veces antes de publicarlo. Busqué en los libros de texto. Lo comprobé con muestras de matrices con paquetes de matrices conocidas. En concreto, matcadec tiene una función incorporada. Lo he comprobado y todo coincide. Pero resulta que se equivoca...
Tal vez usted puede iluminarme en la forma correcta? Antes de que yo estoy muy equivocado.
Por si acaso https://ru.wikipedia.org/wiki/Автокорреляционная_функция