Perché la distribuzione normale non è normale?
Ho sentito molte volte parlare delle code spesse della distribuzione, ma non ho ancora capito qual è il punto. Ho fatto un indicatore che emette la distribuzione delle dimensioni delle barre (tracciata sulla differenza Close[i]-Close[i+1]), qualcuno mi spiega perché la distribuzione a fette è più stretta di quella normale?
In realtà, dovrebbe essere più alto e più stretto. Questo perché è la proprietà del rimborso del prezzo che lo influenza.
Cosa vuoi dire con "già"?
>> già
La principale e unica condizione per ottenere HP è l'indipendenza dei termini della serie. Questa è una prova che l'indipendenza non regge.
Non è del tutto normale. :) Questo è già stato discusso nell'intuizione. Dicono che è una distribuzione Erlang. E dicono che non ci sono code, ma dovrebbero esserci. :)
Stavo parlando di Erlang, ma non è questo il problema qui. La distribuzione normale ha 2 parametri - MO e varianza. In questo caso MO = 0, ma la varianza non è zero e per disegnare un grafico dobbiamo impostare il suo valore. Quindi chiedo: come ha fatto Urain a scegliere il valore della varianza?
E in generale, per confrontare i grafici, devono essere in qualche modo ridotti a una base comune. A seconda della scelta di questa base, ci possono essere modelli completamente diversi.
Se prendiamo la varianza come base comune, il grafico sarà più stretto, ma appariranno code spesse.
Stavo parlando di Erlang, ma non è questo il problema qui. La distribuzione normale ha 2 parametri - MO e varianza. In questo caso MO = 0, ma la varianza non è zero e per disegnare un grafico dobbiamo impostare il suo valore. Quindi chiedo: come ha fatto Urain a scegliere il valore della varianza?
E in generale, per confrontare i grafici, devono essere in qualche modo ridotti a una base comune. A seconda della scelta di questa base, ci possono essere modelli completamente diversi.
Se prendiamo la varianza come base comune, il grafico sarà più stretto, ma appariranno code spesse.
Ho il forte sospetto che Urain abbia preso caratteristiche simili delle serie risultanti come parametri di input per l'aspettativa e la varianza. Ma forse non è questo il caso.
La principale e unica condizione per ottenere HP è l'indipendenza dei termini della serie. Questa è la prova che l'indipendenza non regge.
Una linea di produzione meccanica di lampadine è probabile che abbia una distribuzione normale di guasti casuali REALI, errori di attrezzatura. Pertanto, è probabile che il numero di lampadine prodotte normalmente (la loro luminosità, resistenza, spessore del filamento) si inserisca in una curva di distribuzione normale. Ai lati di questa curva normale (le sue code sottili), ci saranno dei casi limite in cui lo spessore del filamento è superiore o inferiore allo standard e la lampadina si brucia. Ma il numero totale di questi casi limite e anormali può essere calcolato in anticipo (integrando la curva di distribuzione o altro). È per questo che la fabbrica di lampadine sa in anticipo che una scatola di lampadine potrebbe contenere una media di tre lampadine difettose che si bruceranno in un futuro molto prossimo. Devono essere sostituite in garanzia, quindi il distributore locale di lampadine, in fede nella scienza della statistica, riporta una media di 3 lampadine extra per caso. Gli errori nei parametri del bulbo rientrano nella CRIVE NORMALE DEGLI EVENTI LOCALI (non i parametri stessi, ma i loro errori). L'evento casuale qui non è il rilascio della lampadina in sé, ma l'ERRORE del parametro della lampadina.
Se il processo di produzione della lampadina (o più esattamente la formazione dei parametri della lampadina) non rientra in una curva normale, ad esempio la linea è rotta ed è difettosa, il fornitore ha inviato tungsteno cattivo, allora il tasso di difettosità aumenterà drammaticamente, i parametri della lampadina si "allontaneranno". Se poi si misurano accuratamente i parametri di una partita di bulbi, questi non rientreranno nella curva delle norme. In questo caso l'impianto non sa quanti bulbi deve consegnare al distributore.
Se misuriamo un processo non casuale, allora... non puoi dire assolutamente nulla. Si può tracciare la curva di distribuzione della probabilità di un evento - semplicemente misurando il verificarsi dell'evento in un intervallo, ma... non ci dice nulla.
Gli ingegneri elettrici e i matematici e gli statistici di cui si avvalgono AMANO affrontare gli errori di misurazione. Che sono molto probabilmente NORMALI (se il dispositivo stesso è stato fatto da un ingegnere normale). Da qui tutte le loro formule.
Per le serie di prezzi, le prime differenze (o altre combinazioni) non sono un evento casuale, e la loro curva di distribuzione PUÒ ESSERE QUALSIASI cosa. E anche se si conosce con precisione, non serve a nulla per il commercio.
Non prendertela con me, avevo un 2 sia in teoria che in matematica.
Quindi, l'analisi a candele può funzionare con una probabilità di 60-40 o addirittura 70-30. Questo è buono.
Le dipendenze possono essere molto diverse. Non dipende necessariamente dai valori degli incrementi precedenti, che è ciò che fa l'analisi candlestick. Può essere, per esempio, la dipendenza dal modulo del valore degli incrementi (volatilità). Il fatto che la volatilità sia autocorrelata è ben noto e i modelli di volatilità come il GARCH (che utilizza l'autocorrelazione) hanno ricevuto un premio Nobel. Non è difficile vederlo con i propri occhi. E questa è una delle varianti per cui la distribuzione ha "code pesanti".
P.S. In senso lato, l'indipendenza è descritta nella definizione di stazionarietà.
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Ho sentito molte volte parlare delle code spesse della distribuzione, ma non ho ancora capito qual è il punto, ho fatto un indicatore che emette la distribuzione delle dimensioni delle barre (basata sulla differenza Close[i]-Close[i+1]) in separate, qualcuno può spiegare perché la distribuzione delle barre è più stretta del normale?
Il punto di riferimento è un istogramma giallo con una linea rossa.
E l'indicatore che è stato usato per costruirlo. Titolo originale (Distribution_GCF_&_norm_test)