Discussione sull’articolo "Fondamenti di Statistica" - pagina 2
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Ho sentito parlare di un altro vantaggio: la deviazione standard è più sensibile alle emissioni. Quindi uniamo tutto il mondo e andiamo a promuovere non il quadrato della differenza, ma ad esempio la differenza di quarto grado. Tale scarto medio "quaternario" è sicuramente anch'esso differenziato e ancora più sensibile agli outlier rispetto alla deviazione standard.
A mio avviso, il quadrato della differenza deriva, come ha già detto Rosh, dalla"proprietà dell'algebra del nostro spazio ", cioè dalla metrica dello spazio lineare (distanza tra vettori). Ma chi ha detto che tutti i campioni appartengono allo spazio lineare.
Certo che sono ammesse. La questione è quando e perché usare tali stime. Nelle discussioni in qualche modo più spesso ci sono frasi affermative come"ma è andato oltre la bollinger con uno sko ". Perché uno sko? Perché uno? Immagino che ti piaccia il dato del 68%).
Ed ecco un esempio sulle dita della mano tratto dalla risorsa che avete citato. L'aspettativa matematica del numero caduto sul bordo superiore di un normale dado. Se la calcoliamo come media aritmetica, è 3,5.
Che significato ha per voi questo numero?
Cosa sarebbe questo numero e quale sarebbe il suo significato se:
Imho tutte queste stime dell'aspettativa e della deviazione attraverso la media aritmetica e lo sco sono un po' troppo legate alle distribuzioni uniformi e quindi normali.
Ho sentito parlare di un altro vantaggio: la deviazione standard è più sensibile alle emissioni.
Assolutamente giusto, quindi è auspicabile giustificare in qualche modo la scelta del tasso di errore. Ad esempio:
L'uso di RMS (deviazione standard) invece di WMS (deviazione modulo-media) è dovuto alla necessità di dare maggiore importanza agli outlier lontani dei valori QC dal suo MO (aspettativa mat.).
Si può anche utilizzare la norma biquadratica dell'errore. Nella forma generale Abs(Func(Error)). Tuttavia, un gran numero di soluzioni analitiche e di algoritmi con un'eccellente efficienza sono stati sviluppati proprio per la norma quadratica, che è notevole nelle sue proprietà (dal punto di vista matriciale).
Ecco un esempio sulle dita tratto dalla risorsa che avete citato. L'aspettativa matematica del numero che cade sul bordo superiore di un normale dado. Se la calcoliamo come media aritmetica, è 3,5.
Che significato ha per voi questo numero?
Cosa sarebbe questo numero e quale sarebbe il suo significato se:
Imho tutte queste stime di aspettativa e deviazione attraverso la media e lo sko sono un po' esagerate per distribuzioni uniformi e quindi normali.
Ho dato un link a un'altra pagina di questa risorsa per rispondere a domande specifiche.
Quando abbiamo a che fare con un dado, abbiamo a che fare con una variabile casuale, e i suoi parametri dovrebbero essere stimati non come campioni. In questo caso l'aspettativa di una variabile casuale (il dado) è 3,5. L'aspettativa di una variabile casuale discreta si calcola con una formula diversa rispetto alla media aritmetica. In questo caso, questi valori coincidono, perché la probabilità di cadere da ogni lato del dado è la stessa.
Il problema originale?
Dovrebbero esserci molti algoritmi per determinare le mod, quindi una bicicletta universale non è utile in questo caso.
Si dovrebbe piuttosto guardare agli esempi, a ciò che si vuole ottenere e a ciò che non si vuole ottenere.
Mi è piaciuto l'articolo.
È molto facile da capire e contiene informazioni sufficienti.
E, a giudicare dal titolo, non pretende di essere più di questo.
Non vedo l'utilità di questo articolo. Una serie di luoghi comuni della TV. E se questo articolo non fosse stampato su un sito web specializzato e mezzo commerciante, sarebbe possibile tacere. Ma considerando il sito, vorrei far notare quanto segue.
Esiste una scienza che misura, analizza e prevede i dati economici. Si chiama econometria. È una parente stretta e consanguinea della statistica, ma presenta differenze significative.
1. Per i trader, l'analisi in sé non ha valore se la previsione non deriva dall'analisi. L'articolo non parla affatto di previsioni.
2. L'econometria si basa inizialmente sulla non stazionarietà delle serie economiche. E se ci si ricordasse almeno di questo, se lo si tenesse a mente, per così dire, la storia della statistica di base non sarebbe così rosea: per le serie non stazionarie i concetti di base di mo, varianza, ecc. possono essere applicati con molte riserve. In ogni caso, bisogna sempre avere dei dubbi. Ad esempio, per le serie non stazionarie, la media non convergerà necessariamente al mo. Non parlo affatto di correlazione.
3. L'econometria si basa su campioni molto brevi - poche decine di osservazioni. Non è interessata alla media di molti anni, poiché tale media implica anche la presenza di una posa per diversi anni. Nelle crisi, le stime dei risultati del calcolo diventano importanti. Sono le stime che distinguono radicalmente la TV dalla statistica e soprattutto dall'econometria.
Articolo sulla scuola. Il livello di una scuola speciale, nemmeno i corsi junior di un istituto.