Correlazione zero del campione non significa necessariamente che non ci sia una relazione lineare - pagina 2

[Alexey Burnakov]

Ci sono anche dipendenze non lineari. I coefficienti di correlazione Spearman o Pearson (o covarianza) non li rivelano.

[hrenfx]

Prival:

Infatti, i libri dicono che se QC=0, non significa che le due quantità in questione non siano correlate.

I libri dicono che non sono linearmente correlati.

Il link che ha dato Rosh è esattamente il coefficiente di correlazione di Spearman. È così che si calcola. Se volete vedere l'autocorrelazione, si calcola un po' diversamente, come questo https://www.mql5.com/ru/code/8295

La vostra autocorrelazione non è affatto calcolata correttamente.

[Vasiliy Orlov]

In generale, se si capisce il principio della formazione dei prezzi del forex, la distribuzione non può essere normale. Con l'aiuto della correlazione possiamo cercare di trovare modelli grafici, possiamo cercare di riconoscere figure e onde. Ma la teoria delle probabilità non può essere applicata. Una persona armata di conoscenza della teoria della probabilità è altrettanto cieca di una persona disarmata.

[hrenfx]

Cosa c'entra la non stazionarietà? Si tratta di interpretare la correlazione su un campione. E la misura della dipendenza lineare sullo stesso campione.

[hrenfx]

È diventato chiaro perché una relazione lineare è associata a una correlazione.

Immaginate due BP come vettori. Il punto è che per qualche ragione, ha deciso che non c'è una relazione lineare se i vettori sono ortogonali.

L'ortogonalità dei vettori è il prodotto scalare zero.

Per lo spazio euclideo il prodotto scalare dei vettori è considerato come segue:

- È quasi una correlazione già pronta.

Quindi se i vettori sono linearmente indipendenti (in base alla definizione di cui sopra) allora la loro correlazione è zero.

Un'altra cosa è che la dipendenza lineare, definita come misura dell'angolo tra i vettori, è una definizione piuttosto cattiva.

[Alexey Subbotin]

Un po' di informazioni di base.

Correlazione e dipendenza sono spesso confuse perché nel caso delle distribuzioni gaussiane sono equivalenti (vedi qualsiasi libro di testo di statistica per la prova), e molte persone credono che tutto nel mondo sia distribuito normalmente:))

Un altro errore comune è quello di confondere i concetti di "coefficiente di correlazione" (cioè una caratteristica di dipendenza stocastica tra c.v.) e "coefficiente di correlazione campionaria" (una stima - una delle tante possibili - del vero SC). Si tratta in realtà di cose molto diverse, e sostituire l'una con l'altra è fondamentalmente sbagliato.

A seguire, altri due termini che vengono spesso confusi: dipendenza funzionale e dipendenza stocastica (alias statistica, regressione, ecc.).

Leggendo questo thread per la centesima volta sono convinto che la matstatistica non può essere capita semplicemente leggendo una dozzina di libri di testo.

IN ESSO È NECESSARIO SUPERARE L'ESAME.

Preferibilmente con "eccellente":))))

[hrenfx]

alsu:

Un altro errore comune è quello di confondere il "coefficiente di correlazione" (cioè una caratteristica della relazione stocastica tra c.i.s.) e il "coefficiente di correlazione campione" (una stima - una delle tante possibili - del vero SC). Si tratta in realtà di cose molto diverse, e sostituire l'una con l'altra è fondamentalmente sbagliato.

La parola "campionamento" è nel titolo del thread. La correlazione lineare è anche discussa in termini di campionamento, non come una caratteristica teorica delle variabili casuali.

[Freelance]

alsu:

Solo una breve lezione.

Correlazione e dipendenza sono spesso confuse perché nel caso delle distribuzioni gaussiane sono equivalenti (vedi qualsiasi libro di testo di statistica per la prova), con molte persone che credono che tutto nel mondo sia distribuito normalmente:))

Un altro errore comune è quello di confondere i concetti di "coefficiente di correlazione" (cioè una caratteristica di dipendenza stocastica tra i c.v.) e "coefficiente di correlazione campionaria" (una stima - una delle tante possibili - del vero CC). Si tratta in realtà di cose molto diverse, e sostituire l'una con l'altra è fondamentalmente sbagliato.

In seguito, altri due termini che sono spesso confusi - la dipendenza è funzionale e la dipendenza è stocastica (aka statistica, regressione, ecc.).

Leggendo il thread, per la centesima volta, sono convinto che la matstatistica non può essere capita semplicemente leggendo una dozzina di libri di testo.

BISOGNA SUPERARE UN ESAME IN ESSO.

Preferibilmente con una "A":)))

E se c'è il desiderio di "usare" le lavorazioni?

Non importa FFT o qualsiasi altra cosa.

Regressioni multiple e correlazioni.

;)

Suoni!

Cosa c'entra il modello fisico dei forum?

Va bene, lo farebbero su una fonduta, almeno lì la metrica dello spazio di stato non è un toro, ma una palla.

;) DDD

[Vasiliy Orlov]

hrenfx:

È diventato chiaro perché una relazione lineare è associata a una correlazione.

Immaginate due BP come vettori. Il punto è che per qualche ragione, ha deciso che non c'è una relazione lineare se i vettori sono ortogonali.

L'ortogonalità dei vettori è il prodotto scalare zero.

Per lo spazio euclideo il prodotto scalare dei vettori è considerato come segue:

- È quasi una correlazione già pronta.

Quindi se i vettori sono linearmente indipendenti (in base alla definizione di cui sopra) allora la loro correlazione è zero.

Un'altra cosa è che la dipendenza lineare, definita come misura dell'angolo tra i vettori, è una definizione piuttosto cattiva.

Non ti danno abbastanza incarichi all'istituto?

[Prival]

hrenfx:

....

La tua autocorrelazione non sta contando correttamente.

Si scopre che sono stato un pazzo a ricontrollare il codice 10 volte prima di postarlo. Ho cercato nei libri di testo. Ho controllato con campioni di matrici con pacchetti di matrici conosciuti. In particolare, matcadec ha una funzione integrata. Ho controllato e tutto corrispondeva. Ma si scopre sbagliato ...

Forse puoi dirmi come farlo bene, prima che mi sbagli davvero.

giusto in caso https://ru.wikipedia.org/wiki/Автокорреляционная_функция