Discussion de l'article "Fondamentaux de la statistique" - page 2
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
J'ai entendu parler d'un autre avantage : l'écart-type est plus sensible aux émissions. Unissons donc le monde entier pour promouvoir non pas le carré de la différence, mais par exemple la différence au quatrième degré. Un tel écart moyen "quaternaire" est certainement aussi différencié et encore plus sensible aux valeurs aberrantes que l'écart-type.
À mon avis, le carré de la différence découle, comme Rosh l'a déjà dit, de la"propriété de l'algèbre de notre espace ", à savoir de la métrique de l'espace linéaire (distance entre les vecteurs). Mais qui a dit que tous les échantillons appartiennent à un espace linéaire.
Bien sûr qu'elles sont autorisées. La question est de savoir quand et pourquoi utiliser ces estimations. Dans les discussions, on trouve de plus en plus souvent des phrases affirmatives telles que"mais il est allé au-delà de bollinger avec un sko ". Pourquoi ce sko ? Pourquoi un seul ? Je suppose que vous aimez le chiffre de 68 %).
Et voici un exemple sur vos doigts tiré de la ressource que vous avez mentionnée. L'espérance mathématique du nombre qui est tombé sur le bord supérieur d'un dé ordinaire. Si vous la calculez comme une moyenne arithmétique, elle est de 3,5.
Que signifie ce chiffre pour vous ?
Quelle serait la valeur de ce nombre et quelle serait sa signification si :
Je pense que toutes ces estimations de l'espérance et de la déviation par le biais de la moyenne arithmétique et du sco sont un peu exagérées par rapport à la distribution uniforme et donc à la distribution normale.
J'ai entendu parler d'un autre avantage : l'écart-type est plus sensible aux émissions.
Tout à fait exact, il est donc souhaitable de justifier le choix du taux d'erreur d'une manière ou d'une autre. Par exemple, il est souhaitable de justifier le choix du taux d'erreur d'une manière ou d ' une autre :
L'utilisation du RMS (écart-type) au lieu du WMS (écart modulo-moyen) est due à la nécessité d'accorder plus d'importance aux valeurs aberrantes éloignées des valeurs QC par rapport à son MO (espérance mat.).
On peut également utiliser la norme biquadratique de l'erreur. Sous la forme générale Abs(Func(Error)). Cependant, un grand nombre de solutions analytiques et d'algorithmes d'une excellente efficacité ont été développés précisément pour la norme quadratique, qui est remarquable dans ses propriétés (du point de vue de la matrice).
Voici un exemple sur les doigts tiré de la ressource que vous avez mentionnée. L'espérance mathématique du nombre tombant sur la tranche supérieure d'un dé ordinaire. Si vous la calculez comme une moyenne arithmétique, elle est de 3,5.
Que signifie ce chiffre pour vous ?
Que serait ce nombre et quelle serait sa signification si :
Je pense que toutes ces estimations de l'espérance et de l'écart par rapport à la moyenne et au sko sont un peu exagérées pour des distributions uniformes et donc normales.
J'ai donné un lien vers une autre page de cette ressource pour répondre à des questions spécifiques.
Lorsqu'on a affaire à un dé, on a affaire à une variable aléatoire, et ses paramètres doivent être estimés non pas comme des échantillons. Dans ce cas, l'espérance d'une variable aléatoire (le dé) est 3,5. L'espérance d'une variable aléatoire discrète est calculée par une formule différente de la moyenne arithmétique. Dans ce cas, ces valeurs coïncident simplement, car la probabilité de tomber de chaque côté du dé est la même.
Le problème initial ?
Il devrait y avoir de nombreux algorithmes pour déterminer les mods, de sorte qu'une bicyclette universelle n'est pas utile ici.
Il est préférable d'examiner des exemples, ce que l'on veut obtenir et ce que l'on ne veut pas obtenir.
J'ai bien aimé l'article.
Il est très facile à comprendre et contient suffisamment d'informations.
Et, à en juger par le titre, il ne prétend pas être plus que cela.
Je ne vois pas l'utilité de cet article. Un certain nombre de platitudes de la télévision. Et si cet article n'était pas imprimé sur un site spécialisé, à moitié trader, il serait possible de se taire. Mais vu le site, j'aimerais noter ce qui suit.
Il existe une science de la mesure, de l'analyse et de la prévision des données économiques. Elle s'appelle l'économétrie. C'est un proche parent des statistiques, mais il y a des différences significatives.
1. Pour les traders, l'analyse elle-même n'a aucune valeur si la prévision ne découle pas de l'analyse. L'article ne mentionne pas du tout les prévisions.
2) L'économétrie part initialement de la non-stationnarité des séries économiques. Et si l'on s'en souvenait au moins, si l'on gardait cela à l'esprit, pour ainsi dire, l'histoire des statistiques de base ne serait pas si rose : pour les séries non stationnaires, les concepts de base de mo, de variance, etc. peuvent être appliqués avec beaucoup de réserves. En tout cas, il faut toujours avoir des doutes. Par exemple, pour les séries non stationnaires, la moyenne ne convergera pas nécessairement vers le mo. Je ne parle pas du tout de corrélation.
3. l'économétrie est basée sur des échantillons très courts - quelques dizaines d'observations. Elle ne s'intéresse pas à la moyenne sur plusieurs années, car une telle moyenne implique aussi d'être en pose pendant plusieurs années. En cas de crise, les estimations des résultats du calcul deviennent importantes. Ce sont les estimations qui distinguent radicalement la TV des statistiques et surtout de l'économétrie.
Article sur l'école. Le niveau d'une école spéciale, pas même les cours juniors d'un institut.