Je développe un indicateur qui incorpore une cloche de distribution normale. Par conséquent, voici le problème à résoudre.
Pour estimer la signification statistique des résultats obtenus, nous devons trouver la valeur de l'écart-type d'un processus aléatoire au moment du test N. Dans ce cas, l'espérance mathématique est connue à l'avance et est égale à zéro, tandis que la probabilité du résultat positif (+1) de chaque essai est égale à la probabilité du résultat négatif (-1) et est égale à 0,5.
Exemple 1. Deux joueurs vont jouer au jeu de l'aigle jusqu'à ce qu'ils réussissent 1000 tirages à pile ou face. Déterminez les limites de l'intervalle dans lequel l'un d'eux gagnera et l'autre perdra avec une probabilité de 99,7 %.
C'est-à-dire qu'il suffit de trouver une formule pour cette même courbe sigma. Je sais, le problème est vieux comme le monde et je sais moi-même comment calculer ces écarts sur la base de la séquence disponible (MNC), mais j'ai besoin de le calculer par lui-même, sans BP lui-même.
Je développe un indicateur qui incorpore une cloche de distribution normale. Par conséquent, voici le problème à résoudre.
Pour estimer la signification statistique des résultats obtenus, nous devons trouver la valeur de l'écart-type d'un processus aléatoire au moment du test N. Dans ce cas, l'espérance mathématique est connue à l'avance et est égale à zéro, tandis que la probabilité d'un résultat positif (+1) de chaque essai est égale à la probabilité d'un résultat négatif (-1) et est égale à 0,5 en conséquence.
Exemple 1. Deux joueurs vont jouer au jeu de l'aigle jusqu'à ce qu'ils réussissent 1000 tirages à pile ou face. Déterminez les limites de l'intervalle dans lequel l'un d'eux gagnera et l'autre perdra avec une probabilité de 99,7 %.
C'est-à-dire qu'il suffit de trouver une formule pour cette même courbe sigma. Je sais, le problème est vieux comme le monde, et je sais moi-même comment calculer ces écarts sur la base de la séquence disponible (OLS), mais j'ai besoin de le calculer tout seul, sans BP.
C-4,
Pour une distribution binomiale, ce qui est le cas ici (et qui se rapproche bien d'une distribution normale lorsque N est grand), l'écart-type (sigma) est sqrt(N*p*q), où N est le nombre d'essais, p est la probabilité d'un gain unique, q = 1-p est la probabilité d'une perte unique.
En général, pour déterminer approximativement tout quantile du schéma binomial, on peut utiliser le théorème de l'intégrale de Mois-Laplace (google). Les valeurs de la fonction F(x) sont bien tabulées, et il existe des algorithmes qui effectuent l'intégration numérique. Le problème est standard, il a donc déjà été résolu un million de fois).
Ai-je raison de supposer que je dois convertir les chaînes de caractères en un tableau d'entiers ?
Ça ?
Merci à tous pour votre aide et votre participation.
à la page 15 - Zhunko et TheXpert m'ont déjà indiqué la bonne direction et j'ai presque tout fait correctement :)
Mais par inexpérience, j'ai oublié et envoyé la fonction MultiByteToWideChar au lieu de CP_ACP à CP_UTF8
Dieu merci, Ilnur est arrivé et a corrigé mon code, sinon je voulais abandonner ce robot dans MT4.
Merci encore à tous pour la solution, nous sommes une bande ensemble !:)
Je développe un indicateur qui incorpore une cloche de distribution normale. Par conséquent, voici le problème à résoudre.
Pour estimer la signification statistique des résultats obtenus, nous devons trouver la valeur de l'écart-type d'un processus aléatoire au moment du test N. Dans ce cas, l'espérance mathématique est connue à l'avance et est égale à zéro, tandis que la probabilité du résultat positif (+1) de chaque essai est égale à la probabilité du résultat négatif (-1) et est égale à 0,5.
Exemple 1. Deux joueurs vont jouer au jeu de l'aigle jusqu'à ce qu'ils réussissent 1000 tirages à pile ou face. Déterminez les limites de l'intervalle dans lequel l'un d'eux gagnera et l'autre perdra avec une probabilité de 99,7 %.
C'est-à-dire qu'il suffit de trouver une formule pour cette même courbe sigma. Je sais, le problème est vieux comme le monde et je sais moi-même comment calculer ces écarts sur la base de la séquence disponible (MNC), mais j'ai besoin de le calculer par lui-même, sans BP lui-même.
Je développe un indicateur qui incorpore une cloche de distribution normale. Par conséquent, voici le problème à résoudre.
Pour estimer la signification statistique des résultats obtenus, nous devons trouver la valeur de l'écart-type d'un processus aléatoire au moment du test N. Dans ce cas, l'espérance mathématique est connue à l'avance et est égale à zéro, tandis que la probabilité d'un résultat positif (+1) de chaque essai est égale à la probabilité d'un résultat négatif (-1) et est égale à 0,5 en conséquence.
Exemple 1. Deux joueurs vont jouer au jeu de l'aigle jusqu'à ce qu'ils réussissent 1000 tirages à pile ou face. Déterminez les limites de l'intervalle dans lequel l'un d'eux gagnera et l'autre perdra avec une probabilité de 99,7 %.
C'est-à-dire qu'il suffit de trouver une formule pour cette même courbe sigma. Je sais, le problème est vieux comme le monde, et je sais moi-même comment calculer ces écarts sur la base de la séquence disponible (OLS), mais j'ai besoin de le calculer tout seul, sans BP.
C-4,
Pour une distribution binomiale, ce qui est le cas ici (et qui se rapproche bien d'une distribution normale lorsque N est grand), l'écart-type (sigma) est sqrt(N*p*q), où N est le nombre d'essais, p est la probabilité d'un gain unique, q = 1-p est la probabilité d'une perte unique.
racine ajoutée))))
C'est-à-dire sqrt(1000*0,5*0,5) = sqrt(250) = 15,81
Par conséquent, 99,7% s'inscrivent dans une fourchette de plus ou moins trois sigmas 3*15,81 = 47,434
C'est-à-dire, sqrt(1000*0,5*0,5) = sqrt(250) = 15,81
Par conséquent, 99,7% d'entre eux se situent dans une fourchette de plus ou moins trois sigmas 3*15,81 = 47,434
Merci pour le conseil. Mais pour une raison quelconque, la fonction semble un peu étroite :
500 SB ont été utilisés et, d'une manière ou d'une autre, il ne semble pas que 99,7% d'entre eux s'inscrivent dans une fourchette de trois sigmas.