Bien sûr, elle est bornée par un, mais ici : P=1+tHammasp(t/t;n;1;0), où tHammasp(t/t;n;1;0) est la fonction de densité de distribution, variant de 0 à 1. Voir la formule (7) de l'article.
yosuf: Bien sûr, elle est bornée par un, mais ici : P=1+tHammasp(t/t;n;1;0), où tHammasp(t/t;n;1;0) est la fonction de densité de distribution, variant de 0 à 1. Voir la formule (7) de l'article.
Hors de l'occupation, l'unité est délimitée par l'intégrale non invariante de la densité de -inf à x.
f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - est la densité de la distribution normale.
Vous, professeur, trouverez surprenant que f(0, 0, 0.01)=39.89.
Je vais vérifier, et en général vous avez tort, parce que 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue, respectivement, vous devez introduire une densité généralisée, parce que la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète de 0, les autres valeurs continues !
et en général, vous vous trompez, car 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue,
f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].
Par conséquent, nous devons introduire une densité généralisée,
nécessairement :D
puisque la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète 0, les autres valeurs continues !
Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?
f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].
Absolument :D
Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?
Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?
sigma=0.01 est-il la racine de l'estimation de la variance ?
pouvez-vous, modéliser une telle série ?)) afin que les estimations ne soient pas prises dans votre tête.
Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?
sigma=0.01 est-il la racine de l'estimation de la variance ?
pouvez-vous, modéliser une telle série ?)) pour que les estimations ne soient pas prises dans votre tête.
Ce ne sont pas des estimations, mais les paramètres exacts de la distribution - espérance et écart-type, professeur :D
Bien sûr, je peux modéliser une telle série. Bien que ce soit complètement inutile ici, car votre hérésie avec Yusuf est réfutée par la seule analyse de la fonction de distribution théorique.
Si vous n'avez pas de compte, veuillez vous inscrire
Autorisez l'utilisation de cookies pour vous connecter au site Web MQL5.com.
Veuillez activer les paramètres nécessaires dans votre navigateur, sinon vous ne pourrez pas vous connecter.
Vous êtes connecté. L'authentification à deux facteurs a été désactivée. Configurez-la à nouveau et scannez un nouveau code QR, ou continuez avec l'authentification à deux facteurs désactivée.
La densité n'est-elle pas limitée à 0 ou 1 ?
La densité ne l'est pas.
La densité n'est-elle pas limitée à 0 ou 1 ?
Oui, j'ai dû en faire trop avec les zéros...
Densité - non.
au revoir !) ignorant.
f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - la densité de la distribution normale.
Vous, professeur, trouverez surprenant que f(0, 0, 0.01)=39.89.
Bien sûr, elle est bornée par un, mais ici : P=1+tHammasp(t/t;n;1;0), où tHammasp(t/t;n;1;0) est la fonction de densité de distribution, variant de 0 à 1. Voir la formule (7) de l'article.
Hors de l'occupation, l'unité est délimitée par l'intégrale non invariante de la densité de -inf à x.
f(x,mu,sigma)=exp(-((x-mu)^2)/(2*sigma^2))/(sigma*sqrt(2*pi)) - est la densité de la distribution normale.
Vous, professeur, trouverez surprenant que f(0, 0, 0.01)=39.89.
Je vais vérifier, et en général vous avez tort, parce que 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue, respectivement, vous devez introduire une densité généralisée, parce que la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète de 0, les autres valeurs continues !
et en général, vous vous trompez, car 0 est une valeur discrète, et vous utilisez une loi de distribution normale continue,
f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].
Par conséquent, nous devons introduire une densité généralisée,
nécessairement :D
puisque la variable aléatoire est mixte X, avec des valeurs possibles de x, qui prend une valeur discrète 0, les autres valeurs continues !
Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?
f(x, 0, 0.01) > 1 pour tout x dans l'intervalle [-0.027152;0.027152].
Absolument :D
Vraiment ? L'ensemble des nombres entiers n'est-il pas discret ? Est-il acceptable que x puisse prendre n'importe quelle valeur de l'ensemble des entiers (en tant que sous-ensemble pour R) ?
Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?
sigma=0.01 est-il la racine de l'estimation de la variance ?
pouvez-vous, modéliser une telle série ?)) afin que les estimations ne soient pas prises dans votre tête.
Êtes-vous d'accord avec l'affirmation selon laquelle m=0 est l'espérance mathématique, ou plutôt son estimation ?
sigma=0.01 est-il la racine de l'estimation de la variance ?
pouvez-vous, modéliser une telle série ?)) pour que les estimations ne soient pas prises dans votre tête.
Ce ne sont pas des estimations, mais les paramètres exacts de la distribution - espérance et écart-type, professeur :D
Bien sûr, je peux modéliser une telle série. Bien que ce soit complètement inutile ici, car votre hérésie avec Yusuf est réfutée par la seule analyse de la fonction de distribution théorique.